Прогнозирование фондового рынка - это заманчивый «философский камень» для специалистов по анализу данных, которые мотивированы не столько стремлением к материальной выгоде, сколько самой задачей. Ежедневный рост и падение рынка наводят на мысль, что должны быть закономерности, которым мы или наши модели могут научиться , чтобы победить всех этих трейдеров с научными степенями по бизнесу.

Когда я начал использовать аддитивные модели для прогнозирования временных рядов, я протестировал метод на эмуляторе фондового рынка с имитируемыми (ненастоящими) акциями. Неизбежно я присоединился к другим несчастным, которые ежедневно терпят неудачу на рынке. Тем не менее, в процессе я узнал массу нового о Python, включая объектно-ориентированное программирование, манипулирование данными, построение моделей и визуализацию . Также выяснилось, почему не стоит рассчитывать на ежедневную рыночную игру без потери единой копейки (все, что я могу сказать — играть нужно долгосрочно)!

Один день против 30 лет: во что бы вы вложили свои деньги?

В любой задаче, не только в Data science, если не удалось достичь желаемого, есть три варианта:

1. Изменить результаты так, чтобы они выглядели в выгодном свете;
2. Скрыть результаты — никто не заметит провала;
3. Показать результаты и методы всем, чтобы люди могли чему-то научиться и, возможно, предложить улучшения.

В то время как третий вариант - оптимальный выбор на индивидуальном и общественном уровне, он требует наибольшего мужества. Ведь я могу специально демонстировать особые случаи, когда моя модель приносит прибыль. Или можно притвориться, что я не потратил десятки часов на работу, и просто выбросить её. Как глупо! На самом деле, только неоднократно потерпев неудачу и допустив сотню ошибок, мы двигаемся вперед. Более того, код Python, написанный для такой сложной задачи, не может быть написан напрасно!

Этот пост документирует возможности Stocker, инструмента прогнозирования рынка, разработанного мной на Python. я показал, как использовать Stocker для анализа, а для тех, кто хочет опробовать его самостоятельно или внести свой вклад в проект, полный код доступен на GitHub .

Stocker для прогнозирования

Stocker - инструмент Python для прогнозирования рынка. Как только будут установлены необходимые библиотеки (см. документацию), можно запустить Jupyter Notebook в той же папке, что и скрипт, и импортировать класс Stocker:

From stocker import Stocker

Класс теперь доступен для сеанса Jupyter. Создадим объект класса Stocker, передавая ему любой действительный тикер, например, ‘AMZN’ (вывод программы выделен жирным шрифтом):

Amazon = Stocker("AMZN") AMZN Stocker Initialized. Data covers 1997-05-16 to 2018-01-18.

Теперь к нам в распоряжение попали 20 лет ежедневных данных по акциям Amazon для исследований! Stocker построен на финансовой библиотеке Quandl и содержит более 3000 курсов акций для использования. Построим простой график курса, вызывая метод plot_stock:

Amazon.plot_stock() Maximum Adj. Close = 1305.20 on 2018-01-12. Minimum Adj. Close = 1.40 on 1997-05-22. Current Adj. Close = 1293.32.

Stocker применяют для обнаружения и анализа общих трендов и закономерностей, но сейчас сосредоточимся на прогнозировании будущей цены. Предсказания в Stocker производятся с использованием , которая рассматривает временные ряды как комбинацию тренда и сезонных изменений в разных временных масштабах (ежедневный, еженедельный и ежемесячный). Stocker использует «предсказательный» пакет, разработанный Facebook для аддитивного моделирования. Создание модели и прогнозирование можно выполнить в Stocker одной строкой:

# предсказать на дни вперед model, model_data = amazon.create_prophet_model(days=90) Predicted Price on 2018-04-18 = $1336.98

Обратите внимание, что прогноз (зеленая линия) содержит доверительный интервал. Он отражает «неуверенность» модели в предсказании. В данном случае ширина доверительного интервала устанавливается с уровнем доверия 80%. Доверительным называют интервал, который покрывает неизвестный параметр с заданной надёжностью. Он расширяется с течением времени, потому что оценка имеет большую неопределенность по мере того, как она удаляется от имеющихся данных. Каждый раз, делая прогноз, следует включать этот доверительный интервал. Хотя большинство людей, как правило, хотят получить простой численный ответ, прогноз отражает то, что мы живем в неопределенном мире!

Дать предсказание нетрудно: достаточно выбрать некоторое число, и это будет предположением о будущем (возможно, я ошибаюсь, но это всё, что делают люди с Уолл-стрит). Но этого мало. Чтобы доверять модели, нужно оценить ее точность. Для этого в Stocker существует ряд методов.

Оценка прогнозов

Чтобы вычислить точность прогнозов, нам нужен обучающий и тестовый наборы данных. Для тестового набора необходимо знать ответы - фактическую цену акций, поэтому мы будем использовать данные курса за прошлый год (2017, в нашем случае). Во время обучения мы не позволим модели видеть ответы тестового набора, поэтому используем наблюдения за предшествующие три года (2014-2016). Основная идея обучения с учителем (supervised learning) заключается в том, что модель изучает закономерности и отношения в данных из обучающего набора, а затем умеет правильно воспроизводить их на тестовой выборке.

Чтобы количественно оценить точность, на основе предсказанных и фактических значений вычисляются следующие показатели:

• средняя численная ошибка в долларах на тестовом и обучающем наборе;
• процент времени, когда мы правильно предсказали направление изменения цены;
• процент времени, когда фактическая цена попала в пределы прогнозируемого доверительного интервала в 80%.

Все вычисления автоматически выполняются Stocker с приятным визуальным сопровождением:

Amazon.evaluate_prediction() Prediction Range: 2017-01-18 to 2018-01-18. Predicted price on 2018-01-17 = $814.77. Actual price on 2018-01-17 = $1295.00. Average Absolute Error on Training Data = $18.21. Average Absolute Error on Testing Data = $183.86. When the model predicted an increase, the price increased 57.66% of the time. When the model predicted a decrease, the price decreased 44.64% of the time. The actual value was within the 80% confidence interval 20.00% of the time.

Это ужасная статистика! С таким же успехом можно каждый раз подбрасывать монету. Если бы мы руководствовались полученными результатами для инвестиций, нам разумней было бы вложиться в лотерейные билеты. Однако пока не будем отказываться от модели. Изначально она ожидаемо будет довольно плохой, потому что использует некоторые настройки по умолчанию (называемые гиперпараметрами).

Если наши первоначальные попытки не увенчались успехом, мы можем нажимать эти своеобразные рычаги и кнопки, чтобы заставить модель работать лучше. В Prophet можно настроить множество параметров, причем наиболее важным является коэффициент масштаба распределения весов для контрольных точек (changepoint prior scale). Он отвечает за набор весов, который накладывается на развороты и флуктуации тренда.

Настройка выбора контрольных точек

Контрольные точки (changepoints) - это места, где временные ряды значительно меняют направление или скорость изменения цены (от медленно возрастающего до все более быстрого или наоборот). Коэффициент масштаба распределения весов для контрольных точек (changepoint prior scale) отражает количество «уделенного внимания» точкам изменения курса акций. Это используется для контроля над недообучением и переобучением модели (также известный как bias-variance tradeoff).

Проще говоря, чем выше этот коэффициент, тем сильнее учитываются контрольные точки и достигается более гибкая подгонка. Это может привести к переобучению, поскольку модель будет тесно привязываться к обучающим данным и терять способность к обобщению. Снижение этого значения уменьшает гибкость и вызывает противоположную проблему - недообучение.

Модель в таком случае недостаточно «внимательно» следит за обучающими данными и не выявляет основные закономерности. Как правильно подобрать этот параметр - вопрос скорее практический, нежели теоретический, и здесь будем полагаться на эмпирические результаты. Класс Stocker содержит два разных метода для выбора соответствующего значения: визуальный и количественный. Начнем с визуального метода.

# changepoint priors is the list of changepoints to evaluate amazon.changepoint_prior_analysis(changepoint_priors=)

Здесь мы обучаемся на данных за три года, а затем показываем прогноз на шесть следующих месяцев. Сейчас мы не оцениваем прогнозы количественно, а лишь пытаемся понять роль распределения контрольных точек. Этот график отлично демонстрирует проблему недо- и переобучения!

При самом низком значении prior scale (синяя линия) значения недостаточно близко накладывается на обучающие данные (черная линия). Они словно живут своей жизнью, лишь немного приближаясь возрастающему тренду истинных данных. Напротив, самый высокий prior (желтая линия) сильнее приближает модель к учебным наблюдениям . Значение по умолчанию составляет 0.05, которое находится где-то между двумя крайностями.

Обратите внимание также на разницу в неопределенности (закрашенные интервалы) для разных коэффициентов масштаба:

• Самое маленькое из prior дает наибольшую неопределенность в обучающих данных и наименьшую в тестовом наборе.
• Напротив, наивысший prior scale имеет наименьшую неопределенность в тренировочном и наибольшую в тестовом.

Чем выше prior, тем точнее совпадают значения, поскольку он “внимательней” следит за каждым шагом. Однако, когда дело доходит до тестовых данных, модель быстро теряется без привязки к реальным значениям. Поскольку рынок изменчив, нужна более гибкая модель, чем заданная по умолчанию, чтобы она могла обрабатывать как можно больше шаблонов.

Теперь, когда у нас есть представление о влиянии prior, мы можем численно оценить разные значения с помощью набора для обучения и проверки:

Amazon.changepoint_prior_validation(start_date="2016-01-04", end_date="2017-01-03", changepoint_priors=) Validation Range 2016-01-04 to 2017-01-03. cps train_err train_range test_err test_range 0.001 44.507495 152.673436 149.443609 153.341861 0.050 11.207666 35.840138 151.735924 141.033870 0.100 10.717128 34.537544 153.260198 166.390896 0.200 9.653979 31.735506 129.227310 342.205583

Мы должны быть осторожны — данные валидации не должны совпадать с тестовой выборкой. Если бы это было так, мы бы создали модель, лучше «подготовленную» для тестовых данных, что ведет к переобучению и невозможности работать в реальных условиях. В общей сложности, как это обычно делается в , используются три набора: для обучения (2013-2015), для валидации (2016) и тестовый набор (2017).

Мы оценили четыре priors с четырьмя показателями:

• ошибка обучения;
• доверительный интервал при обучении;
• ошибка тестирования;
• доверительный интервал при тестировании, все значения в долларах.

На графике видно, что чем выше prior, тем ниже ошибка обучения и тем ниже неопределенность на данных для обучения. Видно, что повышение уровеня prior снижает ошибку тестирования, подкрепляя интуицию, что близко приближаться к данным — хорошая идея для рынка. В обмен на бóльшую точность в тестовом наборе получаем больший диапазон неопределенности в данных теста с увеличением prior.

Валидационная проверка Stocker выдает два графика, иллюстрирующие эти идеи:

Так как наивысшее значение prior дало самую низкую ошибку тестирования, следует увеличить prior scale еще сильнее, чтобы попытаться улучшить результаты. Поиск можно уточнить, передав дополнительные параметры методу валидации:

# test more changepoint priors on same validation range amazon.changepoint_prior_validation(start_date="2016-01-04", end_date="2017-01-03", changepoint_priors=)

Ошибка тестового набора сводится к минимуму при prior = 0,5. Установим атрибут объекта Stocker соответствующим образом:

Amazon.changepoint_prior_scale = 0.5

Есть и другие изменяемые настройки модели. Например, паттерны, которые ожидается увидеть, или количество используемых лет в обучающих данных. Поиск наилучшей комбинации требует повторения описанной выше процедуры с несколькими разными значениями. Не стесняйтесь экспериментировать!

Оценка усовершенствованной модели

Теперь, когда наша модель оптимизирована, оценим ее еще раз:

Amazon.evaluate_prediction() Prediction Range: 2017-01-18 to 2018-01-18. Predicted price on 2018-01-17 = $1164.10. Actual price on 2018-01-17 = $1295.00. Average Absolute Error on Training Data = $10.22. Average Absolute Error on Testing Data = $101.19. When the model predicted an increase, the price increased 57.99% of the time. When the model predicted a decrease, the price decreased 46.25% of the time. The actual value was within the 80% confidence interval 95.20% of the time.

Выглядит гораздо лучше! Это показывает важность оптимизации модели. Использование значений по умолчанию дает разумное первое приближение. Но нужно быть уверенным, что используются правильные настройки, так же как мы пытаемся оптимизировать звук стерео, регулируя Balance и Fade (извините за устаревший пример).

«Входим в рынок»

Прогнозирование, безусловно, увлекательное занятие. Но настоящее удовольствие — наблюдать, как эти прогнозы будут отыгрывать на реальном рынке. Используя метод evaluate_prediction, мы можем «играть» на фондовом рынке, используя нашу модель за период оценки. Будем использовать описанную стратегию и сравним с простой стратегией buy and hold в течение всего периода.

Правила нашей стратегии просты:

1. Каждый день, когда модель предсказывает рост акций, покупаем акции в начале дня и продаем в конце дня. Когда прогнозируется снижение цены, мы не покупаем акции.
2. Если покупаем акции, и цены увеличиваются в течение дня, мы получаем соответствующую прибыль кратно количеству акций, которые у нас есть.
3. Если покупаем акции, а цены уменьшаются, мы теряем кратно количеству акций.

Эту стратегию будем применять каждый день на весь период оценки, который в данном случае составляет весь 2017 год. Чтобы играть, нужно передать количество акций в вызов метода. Stocker покажет процесс разыгрывания стратегии в цифрах и графиках:

# Going big amazon.evaluate_prediction(nshares=1000) You played the stock market in AMZN from 2017-01-18 to 2018-01-18 with 1000 shares. When the model predicted an increase, the price increased 57.99% of the time. When the model predicted a decrease, the price decreased 46.25% of the time. The total profit using the Prophet model = $299580.00. The Buy and Hold strategy profit = $487520.00. Thanks for playing the stock market!

Мы получили ценный урок: покупайте и удерживайте! Несмотря на то, что удалось выручить значительную сумму, играя по нашей стратегии, лучше просто инвестировать и держать акции.

Попробуем другие тестовые периоды, чтобы увидеть, есть ли случаи, когда наша модельная стратегия превосходит метод buy and hold. Описанный подход довольно консервативен, потому что мы не играем, когда прогнозируется снижение рынка. Следовательно, когда акции начнут падать, он может работать лучше, чем стратегия buy and hold .

Играйте только на ненастоящих деньгах!

Я знал, что наша модель может это сделать! Тем не менее, она побила рынок только когда у нас была возможность выбрать период тестирования.

Прогнозы на будущее

Теперь, когда у нас есть достойная модель, можно делать предсказания на будущее, используя метод predict_future():

Amazon.predict_future(days=10) amazon.predict_future(days=100)
Прогноз на 10 дней
Прогноз на 100 дней
Прогноз популярного сервиса Tipranks.com — найдите 10 отличий от предсказания со Stocker

Неопределенность увеличивается с течением времени, как и ожидается. В действительности, если бы мы использовали описанный подход для настоящей торговли, мы бы каждый день обучали новую модель и делали прогнозы на срок не более одного дня.

Всем, кто хочет опробовать код, или поэкспериментировать со Stocker, добро пожаловать на GitHub .

Торговля ценными бумагами на фондовом рынке предполагает прогнозирование котировок с целью выявления наиболее интересных с точки зрения стоимости акций (индексов) для покупки. Здесь не обойтись без аналитических методов. Одним из наиболее интересных и полезных является именно фундаментальный анализ. Этот цикл статей посвящен данному типу прогнозирования.

Фундаментальный анализ фондового рынка – это оценка ценных бумаг на нескольких уровнях (макроэкономический, анализ направлений, анализ конкретной компании). Очень важно понимать, что данный метод исследует тенденции и работает исключительно в среднесрочной и долгосрочной перспективе.

Некоторые трейдеры ошибочно полагают, что фундаментальный анализ фондового рынка сводится исключительно к статистическому срезу. То есть они пытаются торговать по одной отдельной новости, полагая, что тем самым, обращаются к фундаментальному анализу. Но эта методика определяется, как работа на новостях и лишь отчасти относится к фундаментальной. Далее мы разберем основные уровни, с помощью которых можно прогнозировать котировки.

Макроэкономический уровень анализа фондового рынка

Фундаментальный анализ фондового рынка следует начинать с экономического прогнозирования. Деятельность той или иной компании очень тесно связана как с экономикой отдельного государства, так и с мировой экономикой в целом.

В целом, если ситуация в экономике стабильная и наблюдается рост, можно сказать, что и отдельные предприятия также будут расти. С другой стороны, если в экономике наблюдаются проблемы, то и компании вряд ли будут существенно развиваться. Но это в целом. На самом деле все зависит от сферы работы предприятия. К примеру, IT-компании даже в период кризиса могут продолжать развиваться.

Для оценки экономического состояния государства используют набор , которые публикуются в календарях статистики. На сегодняшний день, таких календарей очень много. В них собраны все основные показатели, которые позволяют оценить положение дел в экономике и сделать соответствующие выводы.

Большое влияние на котировки фондового рынка оказывает монетарная политика, проводимая центральными банками. В наших последующих статьях мы продемонстрируем на конкретных примерах влияние программ, известных как «Количественное смягчение» на колебания котировок.

Основные направления, на которые следует обратить внимание в процессе анализа:

• динамика ВВП;
• показатели занятости;
• динамика деловой активности;
• потребительский спрос;
• решения центральных банков.

Все эти показатели в целом отражают состояние экономики отдельных государств. Увеличение темпов роста ВВП говорит о том, что экономика продолжает развиваться. И это может указывать на будущий рост стоимости акций.

Анализ направлений фондового рынка

Для того, чтобы продолжить прогнозирование котировок, необходимо обратиться к анализу и поиску перспективных направлений в экономике, которые будут развиваться в будущем. Это средний уровень оценки фондового рынка.

С одной стороны, такая работа кажется сложной. Но на самом деле, здесь не должно возникать никаких проблем, если трейдер сможет найти необходимую информацию и приложит должные усилия для ее анализа.

• В периоды экономического роста, большинство сфер будет процветать. Это касается как компаний, работающих с сырьем, так и предприятий, которые занимаются производством товаров и услуг, а также различными разработками.
• В периоды рецессий или стагнаций, можно наблюдать обратную картину – деловая активность снижается. Как результат, многие сферы экономики демонстрируют отрицательную динамику. К примеру, на фоне глобальных проблем в экономике существенно страдает сырьевой сектор (так как снижение экономической активности ведет к снижению потребления сырья).

Помощь в анализе направлений оказывают всевозможные индексы фондовых бирж. К примеру, Dow Jones Industrial Average демонстрирует ситуацию в промышленном секторе США. Dow Jones Transportation Average показывает динамику в транспортном секторе. Если вы планируете покупать акции в этих направлениях, анализируя котировки данных индексов, можно увидеть общую тенденцию.

Фундаментальный анализ компаний фондового рынка

Это третий уровень фундаментального анализа фондового рынка. Здесь трейдеру необходимо и приобрести их по как можно меньшей стоимости для того, чтобы в будущем продать их подороже.

С этой целью могут использоваться следующие показатели:

• рейтинги от различных организаций;
• рекомендации аналитиков;
• новости компании (слияния, поглощения, капитализация);
• выпуск или выкуп акций;
• получение государственных заказов.

Новости компаний также могут оказывать влияние на колебания котировок фондового рынка. К примеру, если одна компания поглощает другую, то у первой акции будут падать (это связано с дополнительными финансовыми расходами). В то же самое время, покупаемая компания может вырасти в цене на фондовом рынке (так как ожидаются финансовые вливания в нее).

Выпуск новых акций говорит о привлечении дополнительных инвестиций. Это хороший знак для покупателей. То же самое касается выкупа своих акций компаниями.

Наконец, если фирма получает государственный заказ, ее акции также могут расти в цене. Дело в том, объемы таких заказов обычно очень существенны. Следовательно, компания получит хорошую прибыль и, возможно, расширит свои мощности. Вся эта информация поступает после в отдельности.

Проанализировав все три уровня, исследуя фундаментальный анализ фондового рынка, трейдер сможет понять, каковы перспективы у того или иного актива. Обладая подобной информацией, он сможет принимать грамотные решения.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter .

Прогнозирование фондового рынка

В связи с нестабильностью фондового рынка возрастает роль экономического прогнозирования.

Прогнозирование - это научно обоснованные суждения о возможном состоянии и будущем развитии того или иного объекта или отдельных его элементов, а также об альтернативных путях, методах, сроках достижения определённого состояния этого объекта.

К функциям прогнозирования относятся:

научный анализ, который включает ретроспекцию (историю развития объекта, идеи или события), диагноз (систематическое описание объекта, идеи или события), проспекцию (разработка прогноза и оценка его достоверности, точности и обоснованности);

оценка сложившейся ситуации и выявление узловых проблем социально-экономического развития;

установление причинно-следственных связей, их повторяемости в определённых условиях и учёт неопределённости;

мониторинг мирового опыта;

оценка действия определённых тенденций и закономерностей в будущем;

предвидение, то есть опережающее отображение действительности, основанное на познании действия экономических законов и теорий (с учетом новых социально-экономических ситуаций и проблем развития рынка ценных бумаг) в форме гипотез и предположений;

разработка концепций развития рынка ценных бумаг.

Целью прогнозирования рынка ценных бумаг является исследование вариантов развития и определение возможных перспектив с учётом факторов объективного и субъективного характера. Задачи прогнозирования развития рынка ценных бумаг следующие:

определить будущее рынка ценных бумаг на основе научного анализа;

выявить главные направления развития рынка ценных бумаг с позиции научного предвидения;

учесть различные факторы и обосновать конкретные способы их регулирования.

Основные виды прогнозов развития рынка ценных бумаг классифицируются по следующим критериям:

по масштабу прогнозирования - мировой, национальный и региональный;

по характеру прогнозируемых процессов - развития фондовых операций, поведения отдельных участников рынка ценных бумаг и операций с отдельными видами ценных бумаг;

по функциональному признаку - поисковый (основан на условном продолжении в будущее тенденций развития в прошлом и настоящем) и нормативный (разрабатывается на базе заранее определённых целей, т.е. от заданного состояния в будущем к существующим тенденциям его изменения в свете определённой цели);

по способам представления результатов - точечный (предполагает единственное сочетание показателей) и интервальный (предполагает набор показателей в заданных интервалах);

по степени пространственной и временной согласованности результатов прогнозов одномерный (по отдельным объектам без последующего согласования результатов), многомерный (по отдельным объектам с последующим согласованием результатов), перекрёстный (с установлением причинно-следственных связей и зависимостей и имитацией возможного взаимодействия) и сквозной (с имитацией поведения совокупности объектов);

по срокам - краткосрочный, или текущий (на срок менее 1 года), среднесрочный (на срок 1-3 года) и долгосрочный (на срок более 3 лет). Для построения краткосрочного, или текущего, прогноза применяется технический анализ. Для разработки среднесрочного и долгосрочного прогнозов эффективен фундаментальный анализ;

Методика прогнозирования фондового рынка включает совокупность различных методов и приёмов разработки прогнозов. Существуют, по крайней мере, две группы факторов, влияющих на качество прогнозов:

связанные с подготовкой, обработкой и анализом информации;

связанные с качеством построения модели, ее соответствием прогнозируемому процессу.

Кроме того, при прогнозировании необходимо учитывать ошибки исходных данных, модели прогноза, согласования, стратегии, которые заключаются в расхождении данных прогноза и фактических данных. Ошибки исходных данных связаны главным образом с неточностью измерений, некорректностью выборки, недостоверностью показателей. Ошибки модели возникают из-за неправильного подбора целевой функции и системы ограничений, из-за низкого качества экспертизы. Ошибки согласования вызваны несопоставимостью методик расчёта отдельных показателей в разных отраслях и регионах. Ошибки стратегии предопределены неправильным выбором концепции прогноза.

Основными методами прогнозирования являются:

технический анализ,

фундаментальный анализ,

эконометрические модели,

нейронные сети.

Фундаментальный анализ - это традиционный экономический анализ. Он основан на следующем принципе: любой экономический фактор, снижающий предложение или увеличивающий спрос на товар, ведёт к повышению цены, и, наоборот, любой фактор, увеличивающий предложение и уменьшающий спрос на товар, как правило, приводит к накоплению запасов и снижению цены. На этой основе прогнозируется цена, которая, исходя из прошлого опыта, соответствует данному соотношению спроса и предложения. В последнее время фундаментальный анализ осуществляется с применением моделей развития рынка, которые могут включать в себя до нескольких тысяч показателей. Кроме анализа положения дел на самом предприятии аналитику, занимающемуся фундаментальным анализом, необходимо изучать факторы макроэкономического характера и рынок, на котором действует интересующее его предприятие. Это открывает инвестору понимание долгосрочной и краткосрочной конъюнктуры.

Технический анализ - специфический экономический внутренний анализ, наиболее широко используемый на биржах. Он применяется для наиболее всестороннего исследования колебания цен. Технический анализ изучает динамику соотношения спроса и предложения, то есть прежде всего сами ценовые изменения. Его часто называют графическим анализом, поскольку он основан на построении различных видов графиков, диаграмм, изучении показателей открытых позиций и объема торговли, а также других факторов. Существует три типа графиков движения рынка, на основании которых строится технический анализ: график движения цены, объёма торговли и открытого интереса. Основные типы графиков - это линейный, гистограмма и японские свечи.

Технический анализ имеет сильного союзника в лице теоретической математики и имеет возможность сформулировать то, что уже давно пытался, а именно: можно прогнозировать цены для всех рынков и любых периодов времени, от минуты до нескольких лет. При этом можно использовать одни и те же методики, поскольку и законы поведения, и структура ценового графика всегда одни и те же. Технический анализ может быть использован для:

установления основных тенденций развития биржевого рынка ценных бумаг на основе изучения динамики цен, зафиксированной на графиках;

прогнозирования изменения цен;

определения времени открытия и закрытия позиции.

Технический анализ базируется на трех аксиомах:

Рынок учитывает все;

Движение цен подчинено тенденциям4

История повторяется.

Движение цен можно образно представить как исход схватки между быком (покупателем) и медведем (продавцом). Быки толкают цены вверх, а медведи - вниз. Направление движений цен и называется трендом. Существуют три типа трендов:

Бычий - движение цен вверх;

Медвежий - движение цен вниз;

Боковой - цены практически не двигаются.

Тренды различаются по времени действия. На рынках существуют долгосрочные (более 1 года), среднесрочные (от 1 до 3 месяцев) и краткосрочные (от 1 дня до 3 недель) ценовые тренды.

Если тренды существуют, то к ним можно применить ньютоновские законы движения и получить следующие утверждения:

действующий тренд с большей вероятностью продлится, чем изменит направление;

тренд будет двигаться в одном и том же направлении, пока не ослабнет.

В сущности, все теории и методики технического анализа основаны на том, что тренд движется в одном и том же направлении, пока не подаст особых знаков о развороте. В зависимости от того, какой тренд определён на нужный срок, будет изменяться и стратегия. А поскольку цена движется зигзагами, то нужно определить насколько тот или иной спад (подъём) серьёзен. Простейший способ - следить за преодолением уровней сопротивления и поддержки.

При возрастании цен, то есть при бычьем тренде, в тот или иной момент цена наталкивается на препятствие - это уровень сопротивления. Достигнув его, цена либо начинает падать, либо останавливает свой рост. По тем или иным причинам на рынке начинает преобладать давление медведей. Аналогично при спаде цен, то есть медвежьем тренде, в какой-то момент давление быков начинает усиливаться, и цена поднимается, натолкнувшись на уровень поддержки.

Уровни сопротивления и поддержки могут возникать неожиданно, а могут быть предсказаны заранее. Например, на рубежах круглых чисел существует психологический барьер: уровень 1 для курса доллар/евро, 100 для курса доллар/йена. Вокруг таких чисел почти всегда возникают уровни сопротивления и поддержки.

Если уровень сопротивления успешно прорван, он становится поддержкой. Причина состоит в появлении нового «поколения» быков, которые отказывались от покупки, когда цены были ниже сопротивления (не имея тогда бычьих ожиданий), теперь же они начинают активно покупать при всяком возврате цен к новому уровню поддержки. По той же логике, когда цены падают за уровень поддержки, он нередко становится сопротивлением, которое ценам трудно преодолеть. С приближением к предыдущему уровню поддержки инвесторы начинают продавать, стремясь ограничить свои потери.

Обычно после прорыва уровня поддержки/сопротивления трейдеры начинают задаваться вопросом о том, насколько новые цены соответствуют реальности. Так, если после прорыва уровня сопротивления продавцы и покупатели усомнятся в обоснованности новой цены, то они начнут проводить обратные сделки. В результате произойдёт «раскаяние трейдеров»: после прорыва цены возвращаются к уровню поддержки/сопротивления.

Динамика цен после периода «раскаяния» имеет решающее значение. Возможно одно из двух: либо трейдеры сойдутся в своих ожиданиях на том, что новая цена неоправданна - и тогда она вернётся к прежнему уровню; либо трейдеры примут новую цену - тогда она продолжит движение в направлении прорыва.

Линию тренда проводят через две опорные точки, но для подтверждения правильности линии нужно иметь ещё и третью, подстраховочную, точку. Для бычьего тренда эта линия будет располагаться ниже ценового графика, являясь для него линией поддержки. Она показывает, до какого уровня может упасть цена, не изменяя при этом своего основного направления. Для медвежьего рынка линия тренда рисуется сверху и представляет собой сопротивление. Хорошее подтверждение изменения тренда можно получить в случае, если линия сопротивления превратилась в линию поддержки и наоборот.

Линию канала можно нарисовать, если движения тренда, то есть подъёмы и спады, равномерны. В таком случае визуально он как бы двигается между двумя параллельными. Линия канала рисуется параллельно линии тренда и располагается выше графика цены при бычьем тренде и ниже - при медвежьем. Таким образом, она будет определять сопротивление для бычьего и поддержку для медвежьего тренда. Линии тренда и канала подчиняются общим правилам сопротивления и поддержки, поэтому с их помощью можно определять границы действия тренда. При торговле в реальном времени трейдера интересует, что случилось сразу после изменения тренда: коррекция или полный разворот. Коррекция - временное изменение тренда, а разворот - глобальное.

Одним из традиционных подходов к исследованию макроэкономических процессов является подход, основанный на использовании эконометрических моделей. Эконометрические модели позволяют решать достаточно широкий круг задач исследования: анализ причинно-следственных связей между экономическими переменными; прогнозирование значений экономических переменных; построение и выбор вариантов (сценариев) экономической политики на основе имитационных экспериментов с моделью.

В последние несколько лет мы наблюдаем взрыв интереса к нейронным сетям , которые успешно применяются в самых различных областях Нейронные сети уже можно выделить в отдельный метод прогнозирования. Среди его преимуществ нелинейность и простота в использовании. Нейронные сети учатся на примерах. Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя, конечно, требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты, однако уровень знаний, необходимый для успешного применения нейронных сетей, гораздо скромнее, чем, например, при использовании традиционных методов статистики.

Упрощая, технику применения нейронных сетей для прогнозов на фондовом рынке можно условно разбить на следующие этапы:

подбор базы данных,

выделение «входов» (исходные данные) и «выходов» (результаты прогноза). Входами можно сделать цены открытия, закрытия, максимумы, минимумы за какой-то период времени, статистика значений различных индикаторов (например, индексы Доу Джонса, Никкей, комбинации курсов валют, доходность государственных ценных бумаг, отношения фундаментальных и технических индикаторов и др.), обычно выбирается от 6 до 30 различных параметров. Количество выходов рекомендуется делать как можно меньше, но это могут быть цены открытия, закрытия, максимумы, минимумы следующего дня,

выделение в массиве данных тренировочных и экзаменационных участков,

обучение нейросети: на этом этапе нейронная сеть обрабатывает тренировочные примеры, пытается дать прогноз на экзаменационных участках базы данных, сравнивает полученную ошибку с ответом, имеющимся в примере (базе данных), а также с ошибкой предыдущего этапа обучения и изменяет свои параметры так, чтобы это изменение приводило к постоянному уменьшению ошибки.

введение срока прогноза,

получение значения прогнозируемых данных на выходе нейросети.

Нейронные сети привлекательны с интуитивной точки зрения, ибо они основаны на примитивной биологической модели нервных систем. В будущем развитие таких нейробиологических моделей может привести к созданию действительно мыслящих компьютеров.

прогнозирование фондовый индекс

Фондовый рынок

Прогнозированием называют научно обоснованные суждения экспертов и простых инвесторов о будущем развитии объекта или его отдельных элементов, а также суждения о методах, сроках и альтернативных путях достижения определенного состояния данного объекта. Прогнозы рынка ценных бумаг необходимы для определения перспектив инвестирования в акции компании, конъюнктур и приоритетов той или иной отрасли.

Существует несколько теорий о возможности . Одной из них является гипотеза эффективного рынка, согласно которой в цене бумаги уже учтена вся информация и бессмысленно делать прогнозы. Эту гипотезу продолжает теория случайных блужданий, согласно которой информация делится на две основные категории – известную (предсказуемую) и неожиданную (новую). Если предсказуемая информация уже заложена в цену, то новой информации в цене пока еще нет. Одно из свойств непредсказуемой информации – ее случайность, а также случайность будущего изменения цены. Именно поступлениями новой неожиданной информации объясняет изменение цен гипотеза эффективного рынка. Теория случайных блужданий лишь дополняет это предположением о случайности колебаний цен.

Методы прогнозирования рынка ценных бумаг

Сегодня профессиональные участники используют разные методы прогнозирования фондового рынка , основными из них являются:

1. Экспертные методы. Здесь следует выделить метод Дельфи, суть которого заключается в сборе оценок и мнений разных экспертов с целью их последующего обобщения в единую оценку. При прогнозировании рынка данным методом необходимо выделить группу экспертов, которые хорошо разбираются в предметной области (банки, профессиональные инвесторы, аналитики и др.), затем провести опрос или анкетирование и обобщить полученную информацию о текущей ситуации на фондовом рынке.
2. Экономико-математические методы, базирующиеся на формировании моделей исследуемого объекта. Данная модель является определенной схемой, отражающей путь развития рынка акций при заданных условиях. Очень значимы также оптимизационные модели – системы уравнений, куда входят разного рода ограничения, а также уравнение, которое называется критерием (функционалом) оптимальности. С его помощью находится наилучшее решение по конкретному показателю.
3. Методы логического моделирования, основанные на поиске закономерностей рынка ценных бумаг в долгосрочной перспективе. В данную группу входят: метод сценариев (описание последовательностей итогов того или иного события, создание базы данных), прогнозирование фондового рынка по образцу, а также метод аналогий.
4. Статистические методы. Основаны на построении разных индексов (смешанный, диффузный), математического ожидания, расчете значений дисперсии, интерполяции, ковариации, экстраполяции.
5. Фундаментальный анализ. Метод прогнозирования биржевой стоимости ценных бумаг, основанный на анализе производственных и финансовых показателей деятельности компании. При помощи фундаментального анализа эксперты определяют состояние текущих дел в компании и рентабельность ее деятельности. Анализу подвергаются такие финансовые показатели, как чистая прибыль, выручка, чистая стоимость компании, EBIDA, денежный поток, обязательства, производственные показатели и размер выплачиваемых дивидендов.

Технический анализ. Метод прогнозирования фондового рынка , основанный на анализе изменений цен в прошлом. Технический анализ включает большое количество методов и инструментов, все они базируются на одном предположении: выделяя тренды, анализируя временные ряды, можно составить прогноз поведения цен. Также используется информация об объемах торговли и другие статистические данные. Чаще всего методы технического анализа применяются для анализа свободно изменяющихся биржевых цен.

Сегодня фондовый рынок России относится к развивающимся фондовым рынкам, но при этом за последнее время он набрал хорошие обороты. Во многих случаях еще лучшее развитие становится невозможным из-за проблем развития фондового рынка России.

В первую очередь проблемой является то, что многие участники фондовой биржи не до конца понимают возможностей заключения сделок разными способами, слабо разбираются в видах операций на фондовом рынке. Кроме того, очень часто получается, что участники сделок имеют низкую инвестиционную культуру. Из-за этого фактора капитализация фондового рынка не возрастает в быстром темпе.

Проблемой развития фондового рынка России также является законодательство, которое не отражает все положения работы инвесторов и участников биржи. Сегодня законодательная база более развита, но вначале истории российского фондового рынка отсутствовала. В результате этого даже сейчас проблемой развития фондового рынка России является наличие спекулянтства на биржах. Данное явление постепенно ликвидируется, но даже сегодня оно часто напоминает о себе.

Не менее существенной проблемой развития фондового рынка России является то, что существуют всего два монополиста на рынке - Московская межбанковская валютная биржа (ММВБ) и Российская торговая система (РТС). В результате этого получается, что другие инвесторы не имеют возможности подступиться к инвестициям и акциям. Эта проблема существует с начала основания российского фондового рынка. Монополисты скупают акции оптом и получают на этом прибыло, остальные же не могут позволить себе таких генеральных закупок.

Многие мелкие компании не рискуют выводить свои акции на фондовый рынок только потому, что в результате оптовых закупок, компания может незаметно слиться с другой, более крупной компанией. И проблемой развития фондового рынка в России становится неразвитый операционный механизм фондовой биржи. Для искоренения этой проблемы необходимо провести ряд законодательных мер и активно внедрять его в жизнь.

Часто проблемой также становится невозможность управления финансовыми рисками. Как правило, европейские фондовые биржи имеют своеобразные страховые компании на фондовом рынке и все риски ведения сделок не значительны. Часто гарантом отсутствия риска становится и особый механизм заключения сделок, поскольку культура населения и инвесторов позволяет сделать эту систему более отлаженной. Пока в России недостаточность образования становится причиной возникновения проблем развития фондового рынка в России. Нельзя и не отрицать перспективы развития российского фондового рынка, но преобразования станут возможными только в случае искоренения всех проблем.

Существующий в настоящее время в России фондовый рынок является типичным крупным развивающимся рынком. Он характеризуется, с одной стороны, высокими темпами позитивных количественных и качественных изменений, с другой стороны - наличием многочисленных проблем, носящих комплексный характер и препятствующих более эффективному его развитию.

По большинству показателей емкости российский фондовый рынок занимает место в первой пятерке развивающихся рынков. По ряду качественных показателей он вышел в лидеры среди развивающихся рынков.

Вместе с тем по многим другим качественным показателям (ликвидность рынка, дивидендная доходность, количество торгуемых компаний и т.д.) сохраняется значительное отставание от ведущих развивающихся рынков, и тем более - от развитых рынков.

Начало 2008 года выдалось на редкость неудачным для российского рынка акций. Падение фондовых индексов по итогам января оказалось самым сильным с 1998 года. Кризис в американском секторе недвижимости привёл к серьёзному ухудшению макроэкономических показателей и вызвал серьёзные опасения глобального экономического спада.

С мая 2009 года, когда были зафиксированы максимальные значения капитализации российского рынка акций, по октябрь снижение совокупной капитализации составило 62%1. В 2008 и 2009 гг. индекс РТС прибавлял по 20%, периоды подъёма чередовались заметными падениями. За первый квартал 2009 года индекс РТС снизился на 10%, а доходность российских акций и паевых инвестиционных фондов (ПИФов). Однако следует признать, что состояние фондового рынка является важнейшим показателем, характеризующим здоровье экономической системы. Несмотря на пока еще недостаточное развитие важных рыночных институтов, фондовый рынок уже стал одним из важнейших в этом ряду. Это значит, что перспективы социально-экономического развития страны в значительной мере зависят от того, что будет происходить с акциями российских компаний.

Динамика фондовых индексов в последние несколько лет оказалась следующей: за 2009 г. индекс ММВБ вырос на 83 %, за 20010 г. на 67 %, за 20011г. - 12,6%. Капитализация рынка акций на 1 мая 2009 года достигла значения в 1258,8 млрд. долларов (на 1 января 2009 г. - 1328,8 млрд. долл. В 2009 году на фондовом рынке произошло несколько обвалов. По текущим котировкам ведущих российских индексов, рынок откатился к маю 2005 года. И хотя в последние дни правительства всех мировых держав принимают адекватные меры по стабилизации ситуации, говорить о скором подъеме рынка аналитики считают преждевременным. В середине августа российская банковская система столкнулась с проблемой дефицита ликвидности. Во-первых, до России докатился мировой кризис. Во-вторых, последнее время финансовые органы страны применяют различные меры для замедления инфляции, например, за счет повышения отчислений в ФОР. Следует понимать, что если в предыдущие годы (1999-2006) индекс ММВБ рос в среднем примерно на 50% в год, то сейчас происходит снижение доходности на фондовом рынке до уровня, близкого к уровню развитых стран. Объём торгов на ММВБ, выросший с 2004 по 2010 год более чем в шесть раз, приостановил рост.

Обостряющиеся макроэкономические проблемы (инфляция, спад инвестиций в основной капитал, замедление роста промышленности и т.д.) стали основой для разворота в мае - июне 2009 года перекапитализированного фондового рынка России. Рынок, когда капиталоемкость ВВП достигла своего порогового значения, был готов к такому развороту. Это и произошло.

Однако обвальное падение российского фондового рынка в августе-октябре 2008 года произошло потому, что сформировавшийся понижательный тренд был значительно усилен еще рядом факторов: мировой финансовый кризис, события на Кавказе, заявление о выходе из ряда соглашений по ВТО.

Как результат: максимальное падение фондового рынка, если сравнивать с другими странами мира. С мая по октябрь 2009г. индекс РТС упал на 65%, в то время как в основном страновые фондовые индексы упали на 25-30%

Столь значительная разница между глубиной падения российского фондового рынка и мировых рынков является дополнительным доказательством того, что мировой финансовый кризис явился лишь дополнительным мощным стимулом к падению российского фондового рынка.

Фундаментальные его причины: перекапитализация российского фондового рынка и ухудшение макроэкономических показателей. Россия сегодня также подтверждает отмеченную закономерность: достижение капиталоемкости ВВП пороговых значений обязательно ведет к перелому в динамике данного показателя и, соответственно, к снижению темпов роста экономики.

На рынке развивающихся стран относительно низкое значение показателей, характеризующих уровень развития и ликвидности фондового рынка. Одним из таких показателей является капитализация фондового рынка.

Капитализация российского рынка ценных бумаг. Суммарная капитализация российского рынка акций по итогам 2009 г. составила 1 трлн 341,5 млрд долл. (32,9 трлн руб.). По состоянию на 29.02.2009 она составила 1 трлн 270,3 млрд долл. (в расчет включены компании, торгуемые на ММВБ, и компании, торгуемые в РТС). В 2009 году, несмотря на относительно небольшой (по сравнению с предшествующими годами) прирост российских индексов, российская капитализация увеличилась на 37% также во многом благодаря масштабным процессам IPO и появлению на рынке новых акций.

В 2009 году было заключено сделок с акциями на 30,9 трлн руб., из которых 15,6 трлн руб. (50,5%) однако пришлось на сделки репо. В совокупности объем спот-сделок и срочных сделок с акциями и фондовыми индексами составил в 2009 году 38,7 трлн руб., 59% которого составили срочные сделки и сделки репо. Рост доли срочных сделок в структуре оборота акций - естественный процесс для современных фондовых рынков. Однако высокая доля сделок репо не соответствует мировой практике, в которой для целей проведения краткосрочных операций и для целей ограничения рисков применяются в первую очередь фьючерсы и опционы.

Доля России в мировом фондовом рынке по капитализации.По состоянию на конец 2005 года Россия занимала 18-е место в мире, уступая 11 странам с развитыми финансовыми рынками и шести странам с развивающимися финансовыми рынками. По состоянию на конец 2009 года по абсолютному объему капитализации Россия занимает 12-е место, уступая семи странам с развитыми финансовыми рынками и четырем странам (Китай, Гонконг, Индия, Бразилия) с развивающимся финансовым рынком. Такой вывод можно сделать на основании данных по капитализации компаний резидентов на крупнейших фондовых биржах мира.

Таким образом, за последние два года Россия вышла на передовые позиции среди стран с развивающимися финансовыми рынками по размеру национальной капитализации. фондовый рынок проблема перспектива

Диверсификация инструментов фондового рынка Важнейшим фактором обеспечения устойчивости национального рынка является широкая диверсификация инструментов фондового рынка. Применительно к рынку акций инструментная диверсификация имеет ряд аспектов, среди которых необходимо выделить отраслевую диверсификацию и показатель концентрации капитализации. Устойчивость к шокам со стороны мировых рынков сырья предполагает диверсификацию отраслевой структуры экономики и диверсификацию отраслевой структуры капитализации. Отраслевая структура российского фондового рынка отличается чрезвычайно высокой концентрацией.

Российский рынок акций отличается высокой концентрацией как по капитализации, так и по оборотам. На десять наиболее капитализированных эмитентов по состоянию на конец 2009 года приходится более 63% общей капитализации. На 20 крупнейших эмитентов приходится более. национальной капитализации.

Необходимо учитывать, что в настоящее время по уровню концентрации капитализации Россия превосходит почти все (за исключением Мексики - с 2006 года) страны мира с крупными и средними фондовыми рынками, за исключением стран с относительно небольшим размером экономики, для которых преобладание ограниченного количества крупных компаний вполне естественно, - Саудовской Аравии, Финляндии, Ирландии, также некоторых других стран с крайне малыми рынками акций.

Говоря об отраслевой структуре российских эмитентов, необходимо отметить сохранение высокой концентрации капитализации (а также оборотов) в акциях предприятий, представляющих топливно-энергетический комплекс. Особо велика доля предприятий, добывающих нефть и газ. По данным Центра развития фондового рынка, на эту отрасль по состоянию на 01.01.2010 приходится почти половина общей капитализации российских эмитентов. Подавляющий объем биржевых сделок с акциями проводится всего примерно с 3% доступных эмитентов. Отраслевая структура капитализации российского рынка акций в 2008 году также претерпела некоторые изменения. Доля прежнего локомотива - нефтегазового комплекса - опустилась ниже 50%. «Нефтегазовые» акции были потеснены акциями предприятий металлургического и особенно финансового сектора, доля которых увеличилась втрое.

Другая сторона проблемы низкой степени отраслевой диверсификации заключается в том, что на шесть крупнейших отраслей приходится 90,1% национальной капитализации. Сколько-нибудь значимую роль в общей структуре капитализации играют еще финансовый сектор, энергетика, черная и цветная металлургия, связь. Крайне слабо в отраслевой структуре фондового рынка представлены машиностроение, транспорт, химическая промышленность, торговля, строительство, сфера услуг. Динамичный и устойчивый рост капитализации вряд ли будет возможен без существенной отраслевой диверсификации фондового рынка. Однако и здесь в течение 2007 г. произошли существенные позитивные сдвиги. Доля шести крупнейших отраслей за последний год снизилась почти на 5%. В структуре капитализации появились представители новых отраслей (легкая промышленность, промышленность строительных материалов, угольная промышленность), заметно выросла доля машиностроения, строительства, транспорта. Существенно увеличилась также доля финансового сектора, причем за счет появления на рынке акций новых эмитентов, одна из которых (акции ВТБ) стала полноценной «голубой фишкой» рынка вследствие проведенного IPO с привлечением широких масс мелких инвесторов.

Рынок большинства акций остается недостаточно ликвидным, поскольку основная часть организованного оборота приходится на крайне немногочисленные выпуски наиболее активно торгуемых акций (так называемых «голубых фишек»). В совокупном объеме торговли акциями на всех фондовых биржах России на десять наиболее ликвидных акций по итогам аналогичный показатель концентрации составлял 93,9%.

Существенным вопросом для отечественного фондового рынка является соотношение внутренних и зарубежных торговых площадок в структуре оборота российских акций. Большинство активно торгуемых российских акций, в том числе почти все «голубые фишки», относятся к этому классу эмитентов (либо, как вариант, были созданы на базе таких компаний путем реорганизации последних, как, например, «Норильский никель»). С другой стороны, среди торгуемых на бирже эмитентов есть и «новые» компании, созданные уже в годы рыночных реформ и занявшие новые ниши в экономике, например, компании мобильной связи (МТС, «Вымпелком»), медиакомпании (Росбизнесконсалтинг) и т.д. Характерной особенностью российского рынка акций является высокая доля государства в общей структуре капитализации, причем в последние два года заметна явная тенденция к росту этой доли. Пять из десяти наиболее капитализированных компаний, составляющие около 47% общей капитализации российского фондового рынка, находятся прямо или косвенно под контролем государства: это «Газпром», «Роснефть», Сбербанк РФ, РАО «ЕЭС России» и ВТБ. По расчетам аналитиков «Альфа-банка», доля государства в общей капитализации российского фондового рынка составляла на начало 2009 г. 29,6%, а к началу 2010 г. она поднялась до 35,1%. Это создает серьезные риски устойчивости фондового рынка.

Размещение большей части акций, торгуемых сегодня на российских фондовых биржах, происходило в процессе приватизации и не принесло никаких финансовых средств компаниям-эмитентам.

В общей сложности за период с ноября 1998 года по декабрь 2009 года IPO на внутреннем и внешних рынках осуществила 51 компания2, зарегистрированная в России. Кроме того, на внутреннем и внешнем рынках были также осуществлены 18 размещений акций российских компаний, в которых продавцами выступали исключительно акционеры (такие операции иногда относят к IPO, что, на наш взгляд, неверно, а иногда именуют SPO - secondary public offering, что также не вполне точно).

Как правило, говоря о результатах IPO, аналитики учитывают все средства, вырученные от продажи акций в ходе IPO как самими компаниями, так и их «старыми» акционерами. Между тем для оценки роли IPO в привлечении финансирования для российского бизнеса наиболее важной представляется именно сумма средств, привлеченных в ходе IPO самими компаниями от размещения новых акций, - около 38,6 млрд долларов (за весь период 1999-2010 гг.).

Совокупный объем капитала, привлеченного в ходе IPO на внутреннем и внешних рынках (как компаниями-эмитентами, так и их акционерами), составил: в 2009 году 16,6 млрд долл.; в 2010 году 29,4 млрд долл. Соотношение капитализации и валового внутреннего продукта.

Показатель соотношения капитализации и валового внутреннего продукта увязывает динамику роста рынка акций с общеэкономической динамикой. Данное соотношение должно быть достаточным для того, чтобы обеспечивать активную роль фондового рынка в экономике, эффективные возможности его использования в качестве инструмента решения важнейших макроэкономических проблем (в том числе проблемы финансирования реального сектора экономики). Вместе с тем данное соотношение не должно быть избыточным, так как избыточное соотношение капитализации и валового внутреннего продукта может указывать на наличие большой спекулятивной составляющей в ценах акций национальных корпораций (вплоть до состояния «пузыря») и, соответственно, на высокий риск падения курсов акций в ближайшей перспективе либо на потенциально высокую волатильность в среднесрочной перспективе. Следует также учитывать, что данный показатель используется в качестве основного показателя, характеризующего роль фондового рынка в национальной экономике.

Необходимо отметить, что в настоящее время страны с развивающимися финансовыми рынками значительно различаются по соотношению капитализации и ВВП.

Россия выделяется более ярко выраженным опережением темпов роста фондового индекса (в данном случае использован индекс РТС) над темпами роста ВВП. По данным за период 2005-20010 гг. 1% прироста ВВП России сопровождался 1,85% прироста фондового индекса. Это выше, чем на развитых рынках капиталов, в Китае и Гонконге, но ниже, чем в Индии. Поскольку между динамикой роста капитализации и фондовых индексов существует тесная связь (коэффициент корреляции между двумя показателями в среднем по странам составляет 0,84), картина соотношения роста ВВП и фондовых индексов мало отличается от рассмотренного выше соотношения капитализации и ВВП. За рассматриваемый период в среднем по миру на 1% прироста ВВП приходится 2,3% прироста индексов. В России данный показатель составляет около 6,3%, уступая лишь данным по Аргентине (62,1%) и Турции (8,6%). По темпам роста капитализации российский рынок акций за прошедшие годы рос в три раза быстрее среднемировых показателей. Между тем, следует помнить, что более высокое соотношение капитализации и ВВП в странах с развивающимися финансовыми рынками в настоящее время свойственно так называемым «волатильным пузырям».

Ликвидность российского фондового рынка

В целом фондовые рынки в странах с переходной экономикой характеризуются меньшей ликвидностью, чем рынки наиболее крупных развитых и развивающихся стран. Для большинства переходных экономик величина показателя оборачиваемости акций составляла приблизительно 30%, по сравнению с 121% для наиболее крупных рынков развитых стран.

Данный показатель постепенно снижается, и это снижение весьма устойчиво. Однако он до сих пор остается чрезвычайно высоким по сравнению с большинством иностранных фондовых рынков.

Главная характеристика конкурентоспособности фондовой биржи - ликвидность. Конкретным показателем ликвидности могут служить абсолютный объем торговли, относительный объем торговли (соотношение объема торговли и капитализации - для рынка акций; соотношение объема торговли и ВВП), количество сделок, качественные показатели ликвидности (средневзвешенный спрэд, глубина рынка и т.д.).

Учитывая, что в современном мире в большинстве стран существует только одна фондовая биржа, данные показатели могут рассматриваться в качестве показателей успешности ведения конкурентной борьбы национальным фондовым рынком в рамках глобального рынка. Абстрагируясь от деталей, можно сказать, что данные показатели характеризуют эффективность конкуренции отдельных стран за капиталы мировых инвесторов, т.е. уровень национальной конкурентоспособности на мировом рынке капитала.

Как уже отмечалось, доля в мировом фондовом рынке по объему биржевой торговли является характеристикой эффективности национального фондового рынка с точки зрения его конкурентоспособности на мировом рынке капиталов.

Доля России в мировом фондовом рынке по данному показателю долгое время была крайне невелика, она составляла менее 0,3%. По итогам 2008 года аналогичный показатель составил 0,32% (при расчете доли России с учетом не только полных членов WFE, но и других фондовых бирж, по которым есть информация, она составила в 2009 году 0,31%), по итогам 2010 года - 0,35% (во внимание принимались только страны с фондовыми биржами, являющимися полными членами Мировой федерации бирж). По итогам 2009 года произошел значительный рывок данного показателя - доля российских бирж (ММВБ и группы РТС) в общем мировом биржевом обороте акций выросла до 0,84% (во внимание принимались только страны с фондовыми биржами, являющимися полными членами Мировой федерации бирж). В 2009 году продолжилось интенсивное увеличение доли России в мировом биржевом обороте акций - она выросла до 1,21%.

Другими словами, в 2009-20010 гг. российский рынок акций обрел принципиально новый уровень ликвидности. С точки зрения первого условия (учитывающего показатель абсолютного объема биржевой торговли) Россия значительно приблизилась к лидирующим позициям в области ликвидности рынка акций, но все еще отстает от них. По результатам 2007 года, несмотря на мощный рывок, осуществленный в 2009-20010 гг., она занимает лишь 4-е место среди развивающихся рынков акций.

Низкий уровень free float (свободного обращения)

Оценки уровня free float на российском рынке акций сильно различаются в зависимости от источника такой оценки. По оценке РТС, 11 акций в списке индекса РТС имеют free float менее 20%, 10 - от 20 до 25%, 16 - от 30 до 40%, четыре - от 50 до 90%. Еще четыре акции (все - привилегированные) имеют 100% акций в свободном обращении. Средневзвешенный (по капитализации) уровень free float по всему списку индекса РТС составляет 28%.

По оценке «Альфа-Банка», в феврале 2007 года доля акций в свободном обращении составляла 26,3% (снижение за год, с февраля 2006 года, на 2,5%). По данным Standard&Poor"s, уровень free float в России еще выше. В соответствии с ними в течение периода с 1996 по 2009 г. он колебался от 35 до 57%, но по итогам 2006 года снизился до минимального уровня за всю историю наблюдений - 31,4%.

Несмотря на различия в оценке уровня free float, все существующие оценки однозначно свидетельствуют о значительном снижении этого уровня в России. Поэтому следует констатировать, что данный фактор в течение последних 5 лет негативно воздействует на уровень ликвидности российских акций. Учитывая, что в значительной мере снижение уровня free float в России было вызвано деятельностью государства, принципиальная возможность переломить данную тенденцию при проведении соответствующей государственной политики существует.

Следует отметить, что расчет средних национальных показателей free float, осуществляемый Standard&Poor"s, основан на наборах акций, включенных в национальные индексы Standard&Poor"s. Учитывая, что эти индексы включают наиболее ликвидные акции с наиболее высокими (как правило) уровнями free float, получающееся относительно высокие национальные значения следует признать вполне естественными. Можно сказать, что средние национальные показатели free float, рассчитываемые Standard&Poor"s, отражают долю свободного рынка наиболее ликвидных акций, национальных «blue chips».

Низкая доля населения, инвестирующего в акции.

Для России характерна низкая (по сравнению с другими странами с развитыми и развивающимися финансовыми рынками) доля населения, инвестирующего в акции. Это обстоятельство сильно сужает инвестиционную базу фондового рынка, способствует сокращению темпа роста количества сделок и тем самым сокращению темпа роста ликвидности. Следует особо подчеркнуть, что в долгосрочном плане повышение доли населения, инвестирующего в акции, является самым значительным резервом роста ликвидности российского рынка акций.

Большое влияние, которое оказывает активность населения на фондовом рынке на ликвидность этого рынка, хорошо видно на примере 2006 года, когда скачок уровня ликвидности российского рынка акций совпал с удвоением количества частных лиц, инвестирующих в акции. 2009 г. отмечен взрывным ростом участия населения в инвестировании на рынке ценных бумаг. Если в 2009 г. клиентами ФБ ММВБ были 96 тыс. человек, в 2010 г. 199 тыс., то уже на 01.07.2011 г. на ФБ ММВБ было зарегистрировано 369 тыс. физических лиц.

Недостаточный уровень развития институтов коллективных инвестиций и пенсионных институтов.

Составными частями проблемы низкой доли сбережений населения в общем объеме инвестиций в ценные бумаги (в том числе в акции) являются проблема недостаточного уровня развития институтов коллективных инвестиций и проблема малого объема пенсионных резервов, направляемых в акции. И хотя в 2009г. был отмечен бурный рост на рынке коллективных инвестиций, этот уровень развития нельзя считать высоким.

Расчеты по 38 крупнейшим фондовым рынкам за период 2009-2011 гг. показывают наличие умеренного уровня корреляции между показателями удельного веса биржевых торгов в ВВП и стоимостью чистых активов инвестиционных фондов, отнесенной к ВВП.

Средний уровень корреляции между относительными показателями объемов биржевых торгов и СЧА инвестиционных фондов составил 0,62. Данное обстоятельство серьезно сдерживает рост совокупного объема торговли российскими акциями. Преодоление данного ограничения приведет к появлению ликвидных рынков многих акций и, соответственно, к ускоренному росту общей ликвидности рынка.

В течение последних двух лет было преодолено еще одно препятствие роста ликвидности российского рынка акций. Речь идет о недостаточно высокой доле биржевого рынка в совокупном объеме сделок с российскими акциями. Как представляется, рост биржевых оборотов акций на российских биржах в 2006-2007 годах был в значительной мере обусловлен перетоком операций с акциями на российские биржи. Значительная часть внебиржевых сделок с российскими акциями, по-видимому, приходилась и приходится на иностранные фондовые биржи. Другими словами, многие сделки с российскими акциями, которые по формальным нормативно определенным признакам относятся к внебиржевым сделкам, на самом деле таковыми по своей истинной природе не являются. Поэтому повышение доли российских бирж в совокупном биржевом обороте российских акций (с 47% в 2005 году до 74% в 2009 году) автоматически привело к снижению доли внебиржевых сделок.

При сохранении существующих тенденций Россия не только будет значительно отставать от большинства развитых финансовых рынков, но от ряда из них (США, Великобритания, Япония) это отставание будет существенно увеличиваться.

Такую ситуацию следует признать неудовлетворительной, так как она будет способствовать оттоку операций из России на зарубежные рынки, снижению конкурентоспособности российского фондового рынка на глобальном рынке капиталов и, в конечном счете, - утрате Россией ликвидности на внутреннем рынке.

Таким образом, пока российский рынок акций не стал эффективным механизмом создания и развития новых проектов и компаний. Такая картина сохранится и в среднесрочной перспективе, так как основная причина высокой концентрации объема торгов на «узкой выборке» голубых фишек заключается в том, что они больше всего подходят для краткосрочных спекуляций - участники рынка к ним «привыкли», более или менее понятны основные факторы «движения» котировок. В то же время торговля менее ликвидными акциями («второго» и особенно «третьего» эшелонов) подразумевает либо оптимистичные ожидания, касающиеся сильного роста в среднесрочной перспективе (достаточного, чтобы компенсировать низкую ликвидность акций), либо знание какой-либо «внутренней» информации.