Сидорова О.С., Кесиян Г.А.

Кубанский государственный университет, Россия

Архитектура классов для приложения, анализирующего рынок ЦБ на основе эконометрических моделей

Торговля на рынке ценных бумаг является активно развивающейся отраслью, которая привлекает все большее количество участников. Один из распространенных подходов для исследования рынка связан с использованием методов и моделей технического анализа.

Основной целью технического анализа является прогнозирование направления изменений цен финансовых инструментов и определение рекомендаций по выбору стратегии работы на рынках данных инструментов с целью повышения доходности операций и снижения риска, обусловленных этими изменениями [1].

Однако, технический анализ очень субъективен. Исходя из одного и того же анализа, можно сделать разные выводы.

В рамках данной работы рассматривается архитектурная часть инструмента, позволяющего выявлять модели продолжения и перелома тенденции посредством эконометрических моделей. Таким образом, в анализ привносится объективность путем выражения трендов в четких математических категориях.

Нами разработано приложение, позволяющее аппроксимировать тенденцию движения финансовых инструментов посредством следующих методов и моделей:

- трендовые модели, рассматривающие изменение рынка, как движение финансовых инструментов во времени;

- регрессионные модели, аппроксимирующие поведение финансового инструмента как функцию от какого-либо параметра;

- многофакторные модели, которые позволяют определить движение финансового инструмента, как функцию от характеристик данного и других финансовых инструментов;

- методы, выявляющие изменчивость моделей.

В работе [2] предложена модификация паттерна проектирования «Стратегия», которая информирует клиентов о различных типах алгоритмов без раскрытия особенностей их реализации, а также позволяет контролировать соответствие алгоритмов и методов. Мы развиваем данную идею на группу эконометрических моделей.

На рисунке 1 показана гибкая архитектура классов, определяющая организацию вышеуказанных методов и моделей, которые поддерживают многоалгоритмичность.

Рисунок 1 – Архитектура классов для моделирования трендов

Классы BaseTestVariability и BaseRegressions являются наследниками класса MultyAlgorithms, который уже на своем уровне определяет соответствие алгоритмов и методов. BaseRegressions реализует интерфейс IRegResults, сигнатуры которого позволяют работать с коллекцией типа ResultRegressions. Таким образом, основное назначение BaseRegressions связано с хранением и получением результатов эконометрического моделирования.

ResultRegressions содержит наименование результата Name, вектор оценочных значений модели Y_est, вектор ошибок E, среднее значение моделируемого ряда Y_m, такие характеристики как TSS, RSS, ESS, R, R², R_adj, и R²_adj. Класс BaseRegressions реализует интерфейс IRegResults за счет перевызова соответствующих методов класса ListRegResult, который он агрегирует. ListRegResult, в свою очередь множественно агрегирует класс ResultRegressions.

Классы BaseTrendModels, BaseSimpleRegression и BaseMultyRegression наследуются от BaseRegressions и от соответствующих интерфейсов (ITrendModel, ISimpleRegression, IMultyRegressionModels), которые задают сигнатуры требуемых методов.

В качестве конкретного метода, продемонстрирован класс LeastSquaresMethod, который предполагает вызов алгоритма, реализующего метод наименьших квадратов для множественной классической линейной регрессии.

Литература:

1. Дмитриева Е.В., Бережной Е.В. Технический анализ рынка ценных бумаг: учебное пособие. - СПб. :СПбГУЭФ, 2012. – 84 с.

2. Кесиян Г.А. Проектирование многоалгоритмических методов на примере библиотеки классов для анализа и моделирования временных рядов / Г.А. Кесиян, М.Х. Уртенов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2012. – №04(078). С. 195 – 205. – IDA [article ID]: 0781204017. – Режим доступа: http://ej.kubagro.ru/2012/04/pdf/17.pdf, 0,688 у.п.л., импакт-фактор РИНЦ=0,346.