Временные масштабы данных

Данные могут использоваться в своих естественных временных рамках
или пересчитываться в другой масштаб. В зависимости от используемого
масштаба при торговле и особенностей торговой системы могут потребо-
ваться тиковые, 5- и 20-минутные, часовые, недельные, двухнедельные, ме-
сячные, квартальные и даже годовые данные. Обычно источник данных
имеет естественные временные ограничения; для внутридневных дан-
ных — это тик. Тик не является постоянной единицей времени: иногда
тики бывают очень частыми, иногда спорадическими с длинными интер-
валами между ними. День — естественная единица шкалы для дневных
данных. Для некоторых других данных естественный масштаб может быть
двухмесячным, как, например, для сводок обзоров «Взгляды Трейдеров»,
или квартальным, как бывает с отчетами о прибыли компаний.
Хотя от длинных временных периодов нельзя перейти к коротким
(нельзя создать отсутствующие данные), обратный переход легко дости-
жим при соответствующей обработке. Например, несложно создать се-
рию 1-минутных штрихов на основе тиков. Конверсия обычно проводит-
ся автоматически при использовании аналитических программ или гра-
фических пакетов, а также при помощи особых утилит, часто предостав-
ляемых поставщиком данных. Если данные скачиваются из Интернета по
протоколу ftp или при помощи стандартного броузера, может потребо-
ваться небольшая дополнительная программа или скрипт для перевода ска-
чиваемых данных в желаемый формат и сохранения в приемлемом для
других программ формате.
Какой временной масштаб лучше? Это зависит от трейдера. Для тех,
кто предпочитает быструю обратную связь, частые сделки, близкие за-
щитные остановки и ежедневную фиксацию прибыли, идеальный вы-
бор — внутридневной масштаб. Чем больше сделок, тем быстрее трейдер
учится и выбирает наиболее приемлемые для него торговые методы. Кро-
ме того, при ежедневном закрытии всех позиций вечером трейдер может
полностью избежать риска изменений рынка за ночь. Еще одна полезная
характеристика краткосрочной торговли — возможность использовать
близкие защитные остановки, снижая убытки при неудачных сделках. В
конце концов любители статистики будут очарованы представительны-
ми выборками данных, содержащими сотни тысяч показателей и тысячи
сделок, которые легко накопить при использовании коротких временных
масштабов. Большие выборки снижают риск «подгонки» системы под прошлые данные, дают более стабильные статистические результаты и
увеличивают вероятность того, что прогностические модели будут рабо-
тать в будущем так, как работали в прошлом.
Недостатками краткосрочных временных масштабов являются необ-
ходимость получения данных в реальном времени, накопления истори-
ческих тиковых данных, применения высокопроизводительной аппара-
туры с огромным объемом памяти, использования специальных программ
и большое количество времени на занятия собственно торговлей. Необ-
ходимость в производительном компьютере с большим объемом памяти
возникает по двум причинам: (1) при тестировании системы будут исполь-
зоваться колоссальные объемы данных; (2) программы, управляющие сис-
темой, ведущие сбор данных и строящие графики, должны работать в
реальном времени, не пропуская ни одного тика. И база исторических
данных, и программы, способные справиться с такими объемами, необ-
ходимы для разработки и тестирования систем. Реальная работа требует
поступления данных в реальном времени, и хотя сейчас мощные компью-
теры вполне доступны по цене, специализированные программы и банки
исторических тиковых данных недешевы. Оплата данных в реальном вре-
мени — также заметный и постоянный расход.
С другой стороны, стоимость данных и затраты времени на торговлю
минимальны для работающих на дневных и более длительных временных
масштабах. Для большинства финансовых инструментов в Интернете дос-
тупны бесплатные данные, программы также скорее всего будут дешевле,
и торговля потребует меньше времени: систему можно запускать после зак-
рытия рынков и передавать брокеру приказы до открытия рынков утром.
Таким образом, на торговлю можно тратить около 15 минут в день, остав-
ляя больше времени на разработку системы и, естественно, на отдых.
Еще одно преимущество больших временных масштабов — возмож-
ность вести торговлю на большом количестве рынков. Поскольку не на
многих рынках уровень ликвидности и волатильности достаточен для днев-
ной торговли, а человек не способен успевать делать все сразу, внутри-
дневной трейдер может осуществлять диверсификацию только с помо-
щью нескольких торговых систем на одном рынке. Трейдер, работающий
по данным на конец дня, имеет более широкий выбор рынков и больше
свободного времени, что дает ему возможность работать на нескольких
рынках одновременно. Распределение капитала — замечательный способ
снижения риска и повышения прибылей. Кроме того, длительные времен-
ные масштабы позволяют получать большие прибыли при следовании за
сильными, продолжительными трендами; такие прибыли могут превра-
тить позицию $50 000 в миллион менее чем за год. В конце концов средне-
и долгосрочный трейдер может найти больше внешних параметров, име-
ющих потенциальные прогностические качества.
Впрочем, длительные временные масштабы не лишены недостатков.
Трейдер должен мириться с запоздалой реакцией на текущие ценовые изменения, с «далекими» защитными остановками, с риском ночных из-
менений. Удерживание непрерывных позиций — психологическая на-
грузка, способная довести до бессонницы. При работе системы, основан-
ной на дневных, недельных или месячных данных, могут возникнуть про-
блемы статистической достоверности. Одним из способов обойти пробле-
мы малых выборок данных является работа с портфелями, а не с индиви-
дуальными позициями.
Какой временной масштаб лучше? Это зависит от вас, трейдера! На
разнообразных временных масштабах возможна выгодная торговля. На-
деемся, эта дискуссия пояснила ряд проблем и вариантов выбора.