Эксперимент: Что гипотеза случайного блуждания говорит о прогнозировании финансовых рынков. Что за чертовщина это «случайное блуждание»

Для того, чтобы протестировать «валидность» гипотезы случайного блуждания, нужно определить, являются ли финансовые результаты той или иной акции (нашей функции) стохастическими или детерминистическими. Теоретически, существует алгоритмический и статистический подход к проблему, но на практике используются лишь последний (и тому есть объяснения).

Алгоритмический подход

Теория вычислимых функций также известная как теория рекурсии или вычислимость по Тьюрингу - это ветвь теоретической информатики, которая работает с концептом вычислимых и невычислимых функций. Функция называется вычислимой в зависимости от того, возможно ли написать алгоритм, который при наличии некоторых входных данных, всегда сможет ее вычислить.

Если случайность - это свойство непредсказуемости, то значит вывод функции никогда нельзя точно предсказать. Логически из этого вытекает, что всеслучайные процессы - это невычислимые функции, поскольку нельзя создать алгоритм для их вычисления. Знаменитый тезис Черча-Тьюринга постулирует, что функция вычислима, только если ее можно вычислить с помощью машины Тьюринга:

Казалось бы, все просто - нужно просто использовать машину Тьюринга для определения того, существует ли алгоритм, предсказывающие поведение цен акций (наша функция). Но здесь мы сталкиваемся с проблемой остановки , то есть задачей определения того, будет ли алгоритм работать вечно, или когда-нибудь он завершится.

Доказано, что эта проблема нерешаема, а значит невозможно заранее узнать, остановится ли программа, или продолжит работу. А значит, нельзя и решить проблему задачу поиска алгоритма, который может «вычислить» функцию (предсказать цену акции) - до остановки машине Тьюринга нужно будет перебрать все возможные алгоритмы, а это займет бесконечно много времени. Поэтому, невозможно и доказать, что финансовый рынок полностью случаен.

Если не принимать во внимание этот факт, то подобные изыскания привели к возникновению интересной области под названием алгоритмическая теория информации . Она имеет дело с отношениями между теорией вычислимости и теорией информации. Она определяет различные типа случайности - одним из самых популярных является определение случайности по Мартин-Лефу, согласн окоторому, для того, чтобы строка была признана случайной, она должна:

• Быть несжимаемой - компрессия подразумевает поиск представления информации, которое использует меньше информации. К примеру, бесконечной длинная двоичная строка 0101010101…. может быть выражена более точно как 01, повторенное бесконечно много раз, в то время как бесконечно длинная строка 0110000101110110101… не имеет четко выраженного паттерна, а значит ее нельзя сжать до чего-либо короче, чем эта же самая строка 0110000101110110101 … Это значит, что если Колмогоровская сложность больше или равна длина строки, тогда последовательность алгоритмически случайна.
• Проходить статистические тесты на случайность - существует множество тестов на случайность, которые проверяют разницу между распределением последовательности относительно ожидаемого распределения любой последовательности, которая считается случайной.
• Не приносить выгоду - интересный концепт, который подразумевает, что если возможно создать некую ставку , приводящую только к успеху, то значит она неслучайна.

В общем и целом, следует различать глобальное и локальное случайное блуждание. Первое относится к рынкам в долгосрочной перспективе, в то время как локальная гипотеза случайно блуждания может утверждать, что рынок случаен на протяжении некоторого минимального периода времени.

В отсутствии дополнительной информации многие системы могут казаться случайными не являясь таковыми - например, те же генераторы случайных чисел. Или, более сложный пример, движение цены некоторой акции может казаться случайным. Но если взглянуть на финансовые отчеты и другие фундаментальные индикаторы, то все может оказаться совсем неслучайным.

Статистический подход

Последовательность статистически случайна, когда она не содержит никаких выявляемых паттернов. Это не означает реальной случайности, то есть непредсказуемости - большинство псевдослучайных генераторов случайных чисел, которые не являются непредсказуемыми, при этом являются статистически случайными. Главное здесь - пройти набор тестов NIST. Большинство из этих тестов подразумевают проверку того, насколько распределение вывода предположительно случайной системы соответствует результатам действительно случайной системы. По ссылке представлен Python-код таких тестов.

Взламывая рынок

После обзора теоретических основ понятия случайности и рассмотрения тестов, которые позволяют ее выявить, другой важный вопрос заключается в том, можно ли с помощью таких тестов создать систему, которая будет определять случайность или неслучайность рыночных последовательностей лучше человека.

Исследователь решил провести собственный эксперимент, для которого использовал следующие данные:

Также анализировались активы различных типов:

• Обменные курсы пары доллар/фунт (USD vs GBP) с 1990 до 2015 (дневной график) ~ 25 лет

Набор тестов NIST работал на наборах реальных данных - они дискретиризировались и разбивались на периоды 3,5,7 и 10 лет. Кроме того, существует два способа генерирования тестовых окон - накладывающиеся окна и ненакладывающиеся окна. Первый вариант лучше, поскольку позволяет видеть грядущую случайность рынка, но влияет на качество агрегированных P-значений, поскольку окна не независимы.

Кроме того, для сравнения использовалось два симулированных набора данных. Первый из них - набор двоичных данных, сгенерированный с помощью стратегии дискретизации алгоритма вихря Мерсенна (один из лучших псевдослучайных генераторов).

Второй - двоичные данные, сгенерированные функцией SIN.

Проблемы

У каждого эксперимента есть свои слабые места. Не обошлось без них и в этот раз:

1. Для некоторых тестов требуется больше данных, чем сгенерировал рынок (кроме случаев использования минутных или тиковых графиков, что не всегда возможно), что значит, что их статистическая значимость чуть менее, чем идеальна.
2. Тесты NIST проверяют только стандартную случайность - это не значит, что рынки распределены не нормально или как-то по-другому, но все равно случайны.
3. Случайно выбранные временные периоды (начинающиеся с 1 января каждого года) и уровень значимости (0,005). Тесты нужно проводить на куда более обширном наборе выборок, которые начинаются с каждого месяца или квартала. P-значение не оказало серьезного влияния на итоговые выводы, поскольку при разных его значениях (0,001, 0,005, 0,05) некоторые тесты все равно не были пройдены в определенные периоды (например, 1954-1959 гг.)

Результаты

Вот каких результатов удалось добиться с помощью двух способов тестирования с накладывающимися или ненакладывающимися окнами:

Выводы можно сделать следующие:

1. Значения лежат между значениями двух бенчмарков, что означает, что рынки менее случайны, чем вихрь Мерсенна и более случайны чем SIN-функция. Но в итоге они не случайны.
2. Значения серьезно различаются по измерению - размер окна серьезно влияет на результат, и уникальности - рынки не одинаково случайны, некоторые из них более случайны, чем другие.
3. Значения для бенчмарков консистентно хороши для вихря Мерсенна (в среднем пройдено более 90% тестов) и плохи для SIN-графа (пройдено в среднем 10-30% тестов).

В начале статьи мы рассматривали пример с экспериментом профессора Бертона Малкиеля, который написал знаменитую книгу «Случайное блуждание по Уолл-стрит» (

Попробуем понять, насколько меняется положение танцу­ющей частицы за время, во много раз большее, чем промежуток между двумя ударами. Посмотрим на маленькую частицу, которая вовлеклась в броуновское движение и пляшет под непрерывно и беспорядочно сыплющимися на нее ударами молекул воды. Вопрос: Далеко ли отойдет частица от первона­чального положения, когда истечет заданное время? Эту задачу решили Эйнштейн и Смолуховский. Представим себе, что мы разделили выделенное нам время на малые промежутки, ска­жем, по одной сотой доле секунды, так что после первой сотой доли секунды частица оказалась в одном месте, в течение второй сотой секунды она продвинулась еще, в конце следующей сотой секунды - еще и т. д. При той скорости бомбардировки, которой подвергается частица, одна сотая секунды - огромное время.

Читатель легко может проверить, что число столкновений, которые испытывает одна плавающая в воде молекула, порядка 10 14 в секунду, так что на одну сотую долю секунды приходится примерно 10 12 столкновений, а это очень много! Естественно, что по прошествии одной сотой доли секунды частица не «по­мнит», что с ней было до этого. Иначе говоря, все столкновения случайны, так что каждый последующий «шаг» частицы совер­шенно не зависит от предыдущего. Это напоминает знаменитую задачу о пьяном моряке, который выходит из бара и делает несколько шагов, но плохо держится на ногах, и каждый шаг делает куда-то в сторону, случайно (фиг. 41.6).

Фиг. 41.6. Зигзагооб­разный путь из 36 слу­чайных шагов длиной L.

Как далеко расположена точка S 36 от В? В среднем на 6L.

Так где же окажется наш матрос спустя некоторое время? Конечно, мы этого не знаем! И предсказать это невозможно. Все, что можно сказать, - это то, что он где-то наверняка находится, но это совершенно неопределенно. Ну хорошо, а далеко ли он все-таки уйдет? Каково будет то среднее расстояние от бара, на котором окажется матрос? На этот вопрос мы уже ответили, потому что мы однажды уже обсуждали суперпозицию света от огромного числа различных источников с различными фазами, а это значит, что мы складывали огром­ное число стрелок, направленных по произвольным направ­лениям (см. гл. 32) Тогда мы обнаружили, что средний квадрат расстояния от одного конца цепи беспорядочных шагов до другого (т. е. интенсивность света) равен сумме интенсивностей отдельных источников. Совершенно аналогично, используя ту же математику, можно немедленно показать, что если R N - векторное расстояние от начала через N шагов, то средний квадрат расстояния от начала пропорционален числу шагов N.

Это значит, что <R 2 N >=NL 2 , где L - длина каждого шага. Поскольку число шагов пропорционально выделенному нам условиями задачи времени, то средний квадрат расстояния пропорционален времени:

=at. (41.17)

Это не означает, что среднее расстояние пропорционально времени. Если бы среднее расстояние было пропорционально времени, то частица двигалась бы с вполне определенной по­стоянной скоростью. Матрос, несомненно, идет вперед, но движение его таково, что квадрат среднего расстояния про­порционален времени. Это и есть характерная особенность случайных блужданий.

Мы легко докажем, что каждый шаг увеличивает квадрат расстояния в среднем на L 2 . Если записать R N =R N-1 +L , то окажется, что R 2 N равно

r n R N =R 2 N =r 2 n-i + 2R N-1 L +L 2 ,

а усредняя по многим попыткам, получим =+L 2 , потому что <R N-1 L >=0. Таким образом, по индукции

R 2 N =NL 2 (41.18)

Теперь хорошо бы вычислить коэффициент a в уравнении (41.17); для этого нужно еще кое-что добавить. Предположим, что если к частице приложена сила (она не имеет никакого отношения к броуновскому движению, просто мы подыскиваем выражение для импульса), то частица будет противодействовать силе следующим образом. Прежде всего должна проявиться инерция. Пусть m - коэффициент инерции, эффективная масса частицы (не обязательно настоящая масса настоящей частицы, потому что если протаскивать частицу сквозь воду, то дви­жется и вода). Поэтому если мы рассматриваем движение в одном направлении, то нужно обзавестись с одной стороны слагаемым m(d 2 x/dt 2). Далее подчеркнем, что, если мы толкаем частицу равномерно, она должна тормозиться жидкостью с силой, пропорциональной скорости. Кроме инерции жидкости, существует еще сопротивление течению, вызванное вязкостью и сложным строением жидкости. Для возникновения флуктуа­ции абсолютно необходимо существование необратимых потерь, нечто вроде сопротивления. Пока таких потерь нет, нет способа получить kT". Причина флуктуации тесно связана с такими потерями. Мы еще обсудим, каков механизм такого трения, мы поговорим о силах, пропорциональных скорости, и выясним, откуда они берутся. А пока давайте просто предположим, что такое сопротивление существует. Тогда формула для движения под действием внешней силы, если она толкает частицу самым обычным способом, выглядит
так:

Величину m можно определить экспериментально. Например, мы можем изучить падение капли под действием силы тяжести. Тогда известно, что сила равна mg, а m - это mg, деленное на окончательно установившуюся скорость падения капли. Или можно поместить каплю в центрифугу и следить за скоростью осаждения. А если она заряжена, то можно приложить элек­трическое поле. Таким образом, m - это измеряемая величина, а не какая-нибудь искусственная вещь, и ее значение известно для коллоидных частиц многих типов.

Применим эту формулу также в том случае, когда сила не внешняя, а равна беспорядочным силам броуновского движения. Попробуем определить средний квадрат пройденного телом пути. Будем рассматривать расстояния не в трех, а в одном измерении и определим среднее значение х 2 , чтобы подго­товить себя к решению задачи. (Разумеется, среднее зна­чение х 2 равно среднему y 2 и среднему r 2 , поэтому средний квадрат расстояния будет втрое больше того, что мы получим.)

Конечно, x-составляющая беспорядочной силы так же беспо­рядочна, как и остальные компоненты. Чему же равна скорость изменения x 2 ? Она равна (d/dt)(x 2)=2x(dx/dt), поэтому скорость изменения среднего x 2 ? можно найти, усреднив произведение скорости на координату. Покажем, что это постоянная величина, т. е. средний квадрат радиуса возрастает пропорционально времени, и найдем скорость возрастания. Если умножить уравнение (41.19) на х, то получим mx(d 2 x/dt 2)+ mx(dx/dt)=xF x . Нас интересует среднее по времени x(dx/dt), поэтому усредним по времени все уравнение целиком и изучим все три слагаемых. Что можно сказать о произведении х на силу? Хоть частица и добралась до точки х, последующие толчки могут быть направлены в любом направлении по отношению к х, ведь слу­чайная сила полностью случайна и ей нет дела, откуда частица начала двигаться. Если кордината х положительна, у средней силы нет никаких оснований направиться в этом же направ­лении. Для нее оно столь же вероятно, как и любое другое. Случайные силы не могут отправить частицу в определенном направлении. Поэтому среднее произведения х на F х равно нулю. С другой стороны, слагаемому mx(d 2 x/dt 2) можно, не­много повозившись, придать вид

Мы разбили первоначальное слагаемое на два и должны усред­нить их оба. Посмотрим, чему же равно произведение х на скорость. Это произведение не изменяется со временем, потому что, когда частица попадает в заданную точку, она уже не помнит, где она была раньше, и характеризующие такие си­туации величины не должны зависеть от времени. Поэтому среднее значение этой величины равно нулю. У нас осталось лишь mv 2 , а об этой величине нам кое-что известно: среднее значение mv 2 /2 равно 1 / 2 kT. Следовательно, мы установили,
что

Влечет за собой

Это значит, что средний квадрат радиус-вектора частицы к моменту t равен

=2kTt/m. (41.21)

Таким образом, мы и в самом деле можем выяснить, как далеко уйдут частицы! Сначала нужно изучить реакцию частицы на постоянную силу, выяснить скорость дрейфа частицы под действием известной силы (чтобы определить m), а тогда мы сможем узнать, далеко ли расползутся беспорядочно движу­щиеся частицы. Полученное нами уравнение имеет большую историческую ценность, потому что на нем основан один из первых способов определения постоянной k. Ведь в конце концов можно измерить величину m, и время, определить расстояние, на которое удалится частица, и получить средние значения. Почему так важно определить точное значение k? Потому что по закону PV=RT для моля можно измерить R, которое равно произведению числа атомов в моле на k. Моль когда-то определялся как столько-то граммов кислорода 16 (теперь для этой цели используют углерод), поэтому числа атомов в моле сначала не знали. Это, конечно, интересный и важный вопрос. Каковы размеры атомов? Много ли их? Таким образом, одно из самых ранних определений числа атомов свелось к определению того, далеко ли уйдут мельчайшие соринки, пока мы будем терпеливо разглядывать их в микроскоп в течение строго определенного времени. После этого можно было найти и постоянную Больцмана k, и число Авогадро N 0 , потому что R к этому времени было уже измерено.

Конец работы -

Эта тема принадлежит разделу:

Кинетическая теория газов

На сайте сайт читайте: "кинетическая теория газов"..

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Твитнуть

Все темы данного раздела:

Свойства вещества
С этой главы мы начнем изучение новой темы, которая займет у нас довольно много времени. Мы начнем анализ свойств вещества с физической точки зрения. Зная, что вещество построено из большого

Давление газа
Каждый знает, что газ оказывает давление. Но отчего? В этом надо разобраться как следует. Если бы наши уши были намного чувствительнее, чем они есть на самом деле, мы бы все время слышали страшный

Сжимаемость излучения
Приведем еще один пример из кинетической теории газов; он не особенно интересует химиков, но очень важен для астро­номов. Внутри нагретого до высокой температуры ящика име­ется огромное число фотон

Температура и кинетическая энергия
До сих пор мы не имели дела с температурой; мы созна­тельно избегали разговоров на эту тему. Мы знаем, что если сжимать газ, энергия молекул возрастает, и мы обычно гово­рим, что газ при это

Закон идеального газа
Теперь можно подставить наше определение температуры в уравнение (39.9) и найти закон зависимости давления газа от температуры: произведение давления на объем равно про­изведению полного числа атом

Экспоненциальная атмосфера
Мы уже изучали некоторые свойства боль­шого числа сталкивающихся атомов. Наука, которая занимается этим, называется кине­тической теорией, и она описывает свойства вещества, рассматривая, как сталк

Закон Болъцмаиа
Отметим здесь тот факт, что числитель показателя экспонен­ты в равенстве (40.1) - это потенциальная энергия, атома. Поэ­тому можно в нашем случае сформулировать закон следующим образом: плот

Испарение жидкости
В менее элементарной статистической механике пытаются решить следующую важную задачу. Предположим, что имеется совокупность притягивающихся друг к другу молекул и сила между любыми двумя молекулами

Распределение молекул по скоростям
Обсудим теперь распределение молекул по скоростям, по­тому что интересно, а иногда и полезно знать, какая часть мо­лекул движется с той или иной скоростью. Чтобы выяснить это, можно использовать те

Удельные теплоемкости газов
Посмотрим теперь, как можно проверить теорию и оценить, насколько хороша классическая теория газов. Мы уже гово­рили, что если U-внутренняя энергия N молекул, то фор­мула pV=NkT=(g-1)

Поражение классической физики
Итак, приходится сказать, что мы натолкнулись на труд­ности. Можно соединить атомы не пружинкой, а чем-нибудь другим, но оказывается, что это только увеличит значение g. Если пустить в ход другие в

Равнораспределение энергии
Броуновское движение открыл в 1827 г. ботаник Роберт Броун. Изучая жизнь под мик­роскопом, он заметил, что мельчайшие частицы цветочной пыльцы пляшут в его поле зрения; в то же время он был достато

Тепловое равновесие излучения
Мы приступаем к обсуждению более сложной и интересной теоремы, суть которой состоит в следующем. Предположим, что у нас имеется заряженный осциллятор, вроде того, о котором мы говорили, когд

Равномерное распределение и квантовый осциллятор
Только что отмеченная трудность - это еще одна сторона проблемы непрерывности в классической физике, она началась с непорядка в теплоемкостях газов, а потом эта проблема сконцентрировалась на распр

Испарение
Эта глава посвящена дальнейшим приме­нениям кинетической теории. В предыдущей главе мы подчеркнули один из выводов этой теории, что средняя кинетическая энергия каждой степени свободы молекулы или

Термоиониая эмиссия
Можно привести еще один пример часто встречающегося процесса, столь похожего на испарение жидкости, что его даже не придется анализировать отдельно. В сущности, это та же самая задача. В любой ради

Тепловая ионизация
Перейдем теперь к еще одному применению все той же идеи. Теперь речь пойдет об ионизации. Предположим, что газ состоит из великого множества атомов, которые обычно нейтральны, но если газ нагреть,

Химическая кинетика
При химических реакциях происходит нечто похожее на «ионизаци

Законы излучения Эйнштейна
Обратимся теперь к интересной задаче, похожей на только что о

Столкновения молекул
До сих пор мы изучали движение молекул только при тепловом равновесии. А теперь нужно обсудить, как движутся молекулы газа, когда он близок к равновесию, но еще не достиг его полностью. Если газ сл

Средняя длина свободного пробега
Есть еще возможность описать столкновения молекул, не вводя для этого времени между столкновениями. Можно оп­ределить, далеко ли успеет уйти частица между столкновениями. Если мы знае

Скорость дрейфа
Мы хотим описать поведение одной или нескольких молекул, которые чем-то отличаются от огромного большинства осталь­ных молекул газа. Будем называть «большинство» молекул молекулами «фона», а отлича

Нонная проводимость
Применим наши результаты к частному случаю. Предпо­ложим, что в сосуде, заполненном газом, содержатся также ионы - атомы или молекулы с избыточным электрическим зарядом. Схематически это выглядит т

Молекулярная диффузия
Перейдем к другой задаче, для которой нам придется не­сколько изменить метод анализа, - к задаче о диффузии. Пред­положим, что мы взяли ящик, заполненный газом, находящимся в тепловом равновесии, а

Подставляя этот результат в (43.22) и пренебрегая множителем 2, получаем
Jx=lv(dna/dx) (43.24) Мы выяснили, что поток особых молекул пропорционален про­изводной плотности, или, как иногда говорят, «градиенту плотности».

Теплопроводность
Методы кинетической теории, которую мы так успешно применяли, позволяют также рассчитать и теплопроводность газа. Если газ в верхней части ящика горячее, чем внизу, то тепло перетечет сверху

Тепловые машины; первый закон
До сих пор мы рассматривали свойства вещества с атомной точки зрения, причем мы пытались, хотя бы в общих чертах, понять, что произойдет, если принять, что вещество состоит из атомов, подчиняющихся

Второй закон
А что такое второй закон термодинамики? Мы знаем, что если при работе приходится преодолевать трение, то потерян­ная работа равна выделившемуся теплу. Если мы преодолеваем трение в комнате при темп

Обратимые машины
Давайте разберемся в наших машинах получше. Одно из свойств всех машин нам уже известно. Если в машине есть трение, то неизбежны потери энергии. Наилучшей машиной была бы машина вообще без трения.

Коэффициент полезного действия идеальной машины
А сейчас попробуем найти закон, определяющий работу W как функцию Q1, Т1 и Т2 . Ясно, что W пропорционально Q1, ибо ес

Термодинамическая температура
Пока мы не будем делать попыток выразить эту возрастаю­щую функцию в терминах делений знакомого нам ртутного гра­дусника, а взамен определим новую температурную шкалу. Когда-то «температура»

Энтропия
Уравнение (44.7) или (44.12) может быть истолковано особо. При работе обратимых машин Q1/T1=Q2/T2, и тепло Q1 при температуре

Внутренняя энергия
Когда приходится использовать термоди­намику для дела, то оказывается, что она очень трудный и сложный предмет. В этой книге, однако, мы не будем залезать в самые дебри. Эта область особенно интере

Применения
Теперь обсудим смысл уравнения (45.7) и посмотрим, почему оно дает ответ на поставленные в предыдущей главе вопросы. Мы занимались рассмотрением такой задачи: в кинетической теории ясно, что рост т

Уравнение Клаузиуса- Клайперона
Испарение жидкости - это еще одна область, в которой можно применить наши результаты. Предположим, что мы вдвигаем поршень в цилиндр с каким-то веществом. Естественно задать себе вопрос: к

Как действует храповик
В этой главе мы поговорим о храповике и собачке - очень простом устройстве, позволяю­щем оси вращаться только в одном направлении. Возможность получать одностороннее вращение заслуживает глубокого

Храповик как машина
Пойдем дальше. Рассмотрим другой пример: температура вертушки T1, а температура храповика Т2; T2 меньше Т1. Так как храповик хол

Обратимость в механике
Что же это за глубокий механический принцип, который утверждает, что при постоянстве температуры и достаточно про­должительной работе наше устройство не уйдет ни назад, ни вперед? Очевидно, мы полу

Необратимость
Все ли законы физики обратимы? Конечно, нет! Попробуйте-ка, например, из яичницы слепить обратно яйцо! Или пустите фильм в обратную сторону - публика в зале тотчас же начнет смеяться. Необратимость

Порядок и энтропия
Итак, мы должны теперь потолковать о том, что понимать под беспорядком и что - под порядком. Дело не в том, что по­рядок приятен, а беспорядок неприятен. Наши смешанные и несмешанные газы отличаютс

Распространение звука
Давайте выведем теперь свойства распространения звука между источником и приемником, основываясь на законах Нью­тона, но не учитывая при этом взаимодействия звука с источ­ником и приемником. Обычно

Волновое уравнение
Итак, физические явления, происходящие в звуковой волне, обладают следующими тремя свойствами: I. Газ движется, и плотность его меняется. II. При изменении плотности меняется и давление. I

Решения волнового уравнения
Посмотрим теперь, действительно ли волновое уравнение описывает основные свойства звуковых волн в среде. Прежде всего мы хотим вывести, что звуковое колебание, или возмуще­ние, движется с постоянно

Скорость звука
При выводе волнового уравнения для звука мы получили формулу, которая связывает при нормальном давлении скорость движения волны и относительное изменение давления с плотностью: с2

Сложение двух волн
Не так давно мы довольно подробно обсуж­дали свойства световых волн и их интерферен­цию, т. е. эффект суперпозиции двух волн от различных источников. Но при этом пред­полагалось, что частоты источн

Некоторые замечания о биениях и модуляции
Предположим теперь, что нас интересует интенсивность волны, описываемой уравнением (48.7). Чтобы найти ее, нужно взять квадрат абсолютной величины либо правой, либо левой части этого уравнения. Дав

Боковые полосы
Описанную выше модулированную волну математически можно записать в виде S=(1+bcoswmt)coswct, (48.9) где (wс- несущая частота, а w

Локализованный волновой пакет
Следующий вопрос, который мы хотим обсудить,- это ин­терференция волн как в пространстве, так и во времени. Пред­положим, что в пространстве распространяются две волны. Вы, конечно, знаете, что рас

Амплитуда вероятности частиц
Рассмотрим еще один необычайно интересный пример фа­зовой ско

Волны в пространстве трех измерений
Мы заканчиваем наше обсуждение волн несколькими об­щими замечаниями о волновом уравнении. Эти замечания, при­званные дать нам картину того, чем нам предстоит заниматься в будущем, вовсе не претенду

Собственные колебания
Вернемся теперь к другим очень любопытным примерам биений, которые немного отличаются от того, что мы рассмат­ривали до сих пор. Представьте себе два одинаковых маятника, которые связаны между собо

Отражение волн
В этой главе мы рассмотрим ряд замеча­тельных явлений, возникающих в результате «заключения» волны в некоторую ограничен­ную область. Сначала нам придется устано­вить несколько частных фактов, отно

Волны в ограниченном пространстве и собственные частоты
Перейдем к обсуждению следующей интересной задачи. Что произойдет, если струну закрепить с двух концов, скажем в точках x=0 и x=L? Давайте начнем с идеи отражения волны, с некоего горба, движущегос

Двумерные собственные колебания
Сейчас мы перейдем к рассмотрению очень интересного поведения собственных гармоник в двумерных колебаниях. До сих пор мы говорили только об одномерных колебаниях: натянутой струне или звуковых волн

Связанные маятники
Напоследок необходимо подчеркнуть, что гармоники возни­кают не только в сложных непрерывных системах, но и в очень простых механических системах. Хорошим примером этого служит рассмотренная в преды

Линейные системы
Давайте теперь подытожим рассмотренные выше идеи, которые все являются аспектами, по-видимому, наиболее об­щего и удивительного принципа математической физики. Если у нас есть линейная система, хар

Музыкальные звуки
Говорят, что Пифагор первый обнаружил тот интересный факт, что одновременное зву­чание двух одинаковых струн различной длины приятнее для слуха, если длины этих струн относятся друг к другу

Ряд Фурье
В предыдущей главе мы познакомились с другой точкой зрения на колеблющуюся систему. Мы видели, что в струне воз­никают различные собственные гармоники и что любое частное колебание, которое только

Качество и гармония
Теперь мы уже можем описать, чем определяется «качество» музыкального тона. Оно определяется относительным количе­ством различных гармоник, т. е. относительными величинами а и b. Тон,

Коэффициенты Фурье
Вернемся теперь к утверждению о том, что каждую ноту, т. е. любое периодическое колебание, можно представить в виде надлежащей комбинации гармоник. Хотелось бы знать, как можно найти нужную

Теорема об энергии
Энергия волны пропорциональна квадрату ее амплитуды.

Нелинейная реакция
Наконец, в теории гармоник есть одно очень важное явление, которое необходимо отметить, учитывая его практическую важ­ность, но это уже относится к области нелинейных эффектов. Во всех рассмотренны

Волна от движущегося предмета
Мы закончили количественный анализ волн, но посвятим еще одну дополнительную главу некоторым качественным оценкам различных явлений, связанных с волнами; для подробного анализа они слишком сложны.

Ударные волны
Зачастую скорость волны зависит от ее амплитуды, и в слу­чае звука эта зависимость возникает следующим образом. Движущийся в воздухе предмет должен сдвигать его со своего пути, вызывая при этом воз

Волны в твердом теле
Следующий тип волн, о которых нам следует поговорить,- это волны в твердом теле. Мы уже рассмотрели звуковые волны в жидкости и газе, а между ними и звуковыми волнами в твер­дом теле имеется непоср

Поверхностные волны
Следующий интересный тип волн, которые, несомненно, видел каждый и которые обычно в элементарных курсах служат примером волн,- это волны на поверхности воды. Вы скоро убедитесь, что более неудачног

Симметрия и законы сохранения
Даже на этом уровне симметрии физических законов очень увлекательны, но оказывается, что они куда более интересны и удивительны при переходе к квантовой механике. Факт, причи­ну которого я не могу

Зеркальное отражение
Перейдем к следующему вопросу, который будет занимать нас до конца главы,- это симметрия при отражении в про­странстве. Проблема заключается в следующем: симметричны ли физические законы при

Полярный и аксиальный векторы
Пойдем дальше. Вы видели, что в физике имеется масса при­меров применимости правила правой и левой руки. В самом деле, когда мы изучали векторный анализ, то узнали о правиле пра­вой руки, которым н

Какая же рука правая?
Дело в том, что существует один интересный факт: в любом явлении правило правой руки всегда встречается два или вооб­ще четное число раз, и в результате любое явление всегда выглядит симметричным.

Четность не сохраняется!
Оказывается, что законы тяготения, законы электричества и маг

Антивещество
Когда исчезает одна из симметрии, то первым делом нуж­но немедленно обратиться к списку известных или предположен­ных симметрии и посмотреть, не может ли еще нарушиться ка­кая-то из них. Мы не упом

Нарушенная симметрия
А что нам делать с законами, которые только приблизительно симметричны? Самое удивительное здесь то, что в широкой об­ласти важнейших явлений-ядерные силы, электромагнитные явления и даже не

Данная заметка носит методический характер и призвана напомнить (или научить:)), что такое случайное блуждание и какова его роль в биржевой торговле. Случайное блуждание (или броуновское движение или random walk)-это процесс с независимыми приращениями, причем каждое приращение обладает нулевым средним. Пример такого процесса: берем монетку и кидаем. Если орел, то очередное приращение равно +1, если решка-очередное приращение равно -1. Кидаем много раз и суммируем нарастающим итогом. В общем, проще не придумаешь.
Несмотря на простоту такого построения оно имеет чрезвычайно важную роль для понимания динамики цен на бирже. Взглянем на график случайного блуждания:

Данная картинка является вполне типичной. Как видно, тут есть многое из любимых атрибутов теханализа-уровни, фигуры, тренды, итд. Да и вообще, картинка явно похожа на реальные цены. Таким образом, случайное блуждание-это явно неплохая модель рынка.

Раз мы нашли такую удачную математическую модель реальной жизни, то неплохо было бы обсудить свойства модели. Основные свойства таковы:
1) На случайном блуждании нельзя заработать. Никакими методами, в том числе и управлением капиталом и риск-менеджментом. Это связано с тем, что процесс этот не имеет памяти-каждое следующее приращение никак не связано с предыдущим.
2) Случайное блуждание с вероятностью, стремящейся к 1, достигнет любого наперед заданного уровня-хоть миллиона, хоть миллиарда. Это, в среднем, происходит за время, пропорциональное квадрату величины уровня.
Уже из свойства 1) вытекает, что любители огульного использования теханализа не понимают, что они делают. И если даже и зарабатывают, то не знают почему-что плохо. Я не против теханализа, но причины того, что он иногда работает-весьма нетривиальны.
Из свойства 2) вытекает, что рынок может уйти чертовски далеко вообще без причин-привет любителям продажи опционов и торговцам без стопов.
Теперь ответим на вопрос-почему рынок так похож на случайное блуждание? Причин две:
1) Просто непрерывный поток лимитных и рыночных ордеров, каждый из которых не связан ни с каким другим, приведут к случайному блужданию цены.
2) Торгующие, как правило, ищут закономерности в цене (то есть отклонения цены от случайного блуждания). И если находят-начинают вблизи этой закономерности торговать. Дальше происходит нетривиальная эволюция, которую я здесь пояснять не буду, но в итоге этой эволюции рано или поздно закономерность перестанет существовать. Именно поэтому успешные трейдеры не любят просто так делиться своими торговыми системами.
И, в заключение, обсудим философские аспекты модели. Модель случайного блуждания-это всего лишь математическая модель. А реальный рынок-это набор людей. И, естественно, если бы мы знали все про всех торгующих, то никакая модель случайного блуждания нам вообще была бы не нужна-для нас каждое движение цены было бы не случайным, а полностью понятным. Но все про всех знать нельзя, а вот кое-что и про некоторых-запросто. И любая хорошая торговая система-это прежде всего знание некой особенности поведения некоторых торгующих на рынке.

Приложение: генерация случайного блуждания в Excel
Для генерации случайного блуждания в эксель можно использовать, например, такой код:

Option Explicit
Sub Rand_Walk()
Dim x As Single, s As Single
Dim i As Integer, imax As Integer
imax = 10000
s = 0
For i = 1 To imax
Randomize
x = Rnd()
x = 2 * x - 1
s = s + x
Cells(i, 1) = i
Cells(i, 2) = s
Next i
End Sub

Его нужно скопировать в код любого листа эксель. Запустить и построить график по первым двум столбцам листа. После этого можно любоваться квазибиржевыми котировками.

Чартизм стар, как египетские папирусы. Метод «случайного блуждания» тоже имеет древние корни, но в законченном виде столь же юн, как и компьютеры. Чартизм пытается найти какой- то порядок в происходящем - метод «случайного блуждания» утверждает, что никакого порядка нет. И если сторонники теории случайного блуждания правы, то чартисты вот-вот останутся без работы, а над всеми аналитиками по ценным бумагам сгустились грозные тучи.
Сторонники «случайного блуждания» в массе своей университетские профессора, работающие на факультетах бизнеса и экономики. Они хорошо владеют сложным математическим языком и с удовольствием им пользуются. Более того, статьи о «случайном блуждании», пишущиеся этими учеными, просто обязаны быть абсолютно непонятными для непосвященных и перенасыщенными математическими символами для того, чтобы произвести должное впечатление на коллег. Если вы хотите посмотреть, как оно выглядит, попробуйте почитать журнал «Киклос» - в нем таких статей не одна и не две. Обширный материал, относящийся к интересующей нас теме, может быть найден именно там. Но мы обнаружим его и в сборнике «Случайный характер цен на фондовой бирже» (опубл. Массачусетсом институтом технологии под ред. профессора Пола Кутне- ра), и в 16-м номере «Избранных трудов факультета бизнеса Чикагского университета», в работе профессора Юджина Фей- мы «Случайное блуждание применительно к ценам на фондо-вой бирже».
Что такое «случайное блуждание»? Я не в состоянии понять и половины статей, посвященных этому предмету, поскольку мое знание булевой алгебры ограничено, а знание стохастических серий равно нулю. Но после ряда бесед с ребятами, занимающимися случайным блужданием, до меня дошло, что всю эту хитрость можно определить одним-единственным предложением. Позднее профессор Кутнер через одного из моих друзей передал, что мое определение вполне годится, а посему, без всяких уравнений, S и D, я его привожу здесь.
Цены не имеют памяти, а вчерашний день не имеет никакого отношения к завтрашнему. Каждый новый день начинается с вероятности 50 на 50. Вчерашние цены уже включали в себя все детали вчерашнего дня. Или, как сказал профессор Фейма, «прошлая история серии (изменений цены акции) не может быть использована для прогнозов будущего никаким рациональным образом. Будущее движение уровня цен в целом или цены отдельно взятого актива предсказуемо не более чем движение серии случайных чисел».
Беспорядочностью как способом переиграть рынок занимаются, конечно, не одни университетские профессора. Сенатор Томас Дж. Макинтайр, демократ из Нью-ймпшира и член влиятельного банковского комитета Сената, в один прекрасный день принес с собой обычную настенную мишень для метания стрелок-дротиков. Он прикрепил к ней список компаний с фондовой биржи и принялся метать дротики. Пакет акций, выбранный с помощью дротиков, оказался результативнее портфелей подавляющего большинства взаимных фондов. (Таким образом, дротики сенатора Макинтайра подтвердили показания теоретиков случайного блуждания, профессоров Пола Сэмюэлсона из МИТ и Генри Уоллича из Йельского университета, данные ими на сенатских слушаниях при обсуждении законодательства о взаим-ных фондах.) Если такие крупнокалиберные орудия, как профессора Сэмюэлсон и Уоллич плюс банковский комитет Сената столь серьезно относятся к «случайному блужданию», то всем ос-тальным стоит крепко задуматься: ведь если в «случайном блуж-дании» действительно заключается Истина, то ценность всех графиков и всех инвестиционных консультаций равна нулю - а это может очень серьезно повлиять на правила Игры.
Первое исходное положение «случайного блуждания» заключается в том, что рынок, - например Нью-Йоркская фондовая биржа - представляет собой «эффективный» рынок, то есть такой, где цифры рациональны, а нацеленные на прибыль инвесторы конкурируют между собой, имея примерно равный доступ к информации и пытаясь определить будущее поведение цен.
Второй исходный тезис гласит, что акции имеют действитель-ную ценность - «равновесную цену» на языке экономистов - и что в любой отдельно взятый момент цена акции может быть хорошим показателем ее действительной ценности, которая в целом зависит от доходности данной акции. Но поскольку никто с уверенностью не может сказать, что же такое действительная ценность, то, как говорит профессор Фейма, «действия множества конкурирующих участников должны вызывать случайные блуждания текущей цены акции вокруг ее действительной ценности*.
Сторонники «случайного блуждания» испытали свою теорию на «эмпирических доказательствах». Целью исследования было математически продемонстрировать, что последовательные изменения цены происходят независимо друг от друга. Вот вам фрагмент одного из текстов - просто чтобы хорошенько вас припугнуть. Его автор профессор МИТ Уильям Стайгер, а сама работа была опубликована в сборнике «Случайный характер цен на фондовой бирже».
«Тест основан на выборочном распределении статистики, относящейся к чисто случайным блужданиям, характер которых сформулирован мною ранее. Принимая, что t - это отношение (случайная переменная) диапазона девиации от прямой, соединяющей первое и последнее значения сегмента континуального случайного блуждания к выборочной стандартной девиации приращения, это распределение определяет вероят-ность, Pt, где t меньше или равно любому t.
Рассмотрим следующий стохастический процесс. Примем, что
S(t) (m^t^n),
описывает чисто случайное блуждание в сегменте от т до п, где тип целые числа, a t постоянно изменяется в пределах m Sn=S(t)t. п (1)
Мы трансформируем реализацию S(t) в сегменте от m до п до вариации, имеющей средний нулевой инкремент, как показано ниже. Обозначим:
3\"(г)=8(г)-8-(п-^^-т\\ тп-т 4 \"
отклонения от линии, связывающей (т, Sm) с (п, 5П), тогда
„ _ max -. , . min „. , . ґз,\\
Rm(t)= S (и)- S (и) (?)
mK/ m будет диапазоном девиации сегмента (т, гі) за время t. Беря ИНКремеНТЫ:
d=S\"t-Slj (г -целое число; (m+l)МЫ определяем:
(5)
с =
т,п
2W
j=m+l
п-т і*
стандартную девиацию инкрементов в сегменте в целочисленные отрезки времени. Наконец, полагая случайную переменную
(6)
мы получаем выборочную функцию распределения для
Ш>5
ty2V2-l ^Г (7)
1-
N"
н
NJ
H(t)=Pr(tmri К \r\n
(N четное) (N нечтное)
ІЖ
iN-1
Уравнение (7) имеет две интерпретации в выборочных сегментах случайного блуждания. Поскольку для сегмента непрерывного случайного блуждания S(t) выбрать можно только 5"j, где і целое число, то выбрать Rm(t) в (3) невозможно, а выбрать удается только:
_ max тіп „..
и таким образом выбранным оказывается только
D
t - "
т,п
При некоторых значениях Rm і может равняться Rm(i). Тогда и только тогда (7) может интерпретироваться как точная выборочная функция распределения для tm(n).
При взятых в общем значениях Rm, і На случай, если вы этого не знали раньше, речь идет о сериальных коэффициентах корреляции - и я, глядя на них, испытываю то же самое чувство, что и вы. Другой подход к проблеме состоит в том, чтобы протестировать механические правила для ведения торговых операций и убедиться, дают ли они лучший результат, чем просто покупка и откладывание акций. Профессор Сидней Александер из МИТ, например, перепробовал все виды фильтров, по результатам тестов делая заключение о том, что произойдет, если следовать различным механическим правилам торгов.
(Пятипроцентный фильтр работает следующим образом. Если какие-то акции поднимаются в какой-либо день на 5 процентов, покупайте их и держите до тех пор, пока цена с последней высшей точки не двинется вниз на 5 процентов. Тогда вам следует их продать и далее идти на продажу без покрытия. Продолжайте продавать без покрытия до тех пор, пока котировка на момент закрытия не превысит последнюю низшую точку как минимум на 5 процентов. В этом случае покройте проданное и начинайте покупать.)
Как видите, фильтр действительно связан с анализом тенденций и с измерением движения цен. Профессор Александер сообщает о проделанной проверке фильтров с уровнем от 1 до 50 процентов (см. «Движения цен в условиях спекулятивных рынков: тенденции и случайные блуждания»). При этом выяснилось, что просто покупать и держать акции постоянно дает лучший результат, чем применение любого из фильтров.
Поэтому сторонники случайного блуждания утверждают, что заявление типа «акция с проявившейся тенденцией с большей вероятностью будет продолжать двигаться с этой тенден-цией», есть абсолютная чепуха. Шансы того, сохранится или нет тенденция движения акции, равны пятьдесят на пятьдесят.
То же самое можно сказать о бросании монеты. Если вы бросаете монету пять раз, и пять раз подряд выпадает орел - каковы шансы на то, что и в шестой раз выпадет орел? А если вы бросаете монету сто раз, и сто раз подряд выпадает орел, каковы шансы на то, что орел выпадет и в сто первый раз? Тс же самые пятьдесят на пятьдесят.
«Если модель случайного блуждания адекватно описывает реальность, - говорит профессор Фейма, - то работа технического аналитика, как и работа астролога, не имеет никакой реальной ценности».
С особенной агрессивностью приверженцы случайного блуждания настроены по отношению к чартистам. Как я уже рассказывал, один профессор случайного блуждания буквально подавился десертом у меня в доме, когда кто-то посмел сказать, что, возможно, диаграммы стоит принимать всерьез. (Теперь в нашей семье заведено правило: все сторонники случайного блуждания должны закончить свой десерт, прежде чем может быть затронута тема графиков и диаграмм.) Другой мой знакомый профессор, апологет случайного блуждания, стал со своими студентами бросать монету, приняв орел за плюс и решку за минус. Потом они составили диаграмму, ставя крестик при выпадении орла и нолик при появлении решки. И что вы думаете? Получилась классическая диаграмма типа «крестики-нолики», со всеми непременными элементами: «головой и плечами», «обратными движениями», «двойными вершинами» и всем прочим.
Но приверженцы случайного блуждания не ограничиваются атаками на чартистов. Они намерены серьезно побеспокоить и аналитиков-фундаменталистов. Вот как они рассуждают в данном случае
Между реально существующей ценой и действительной внутренней ценностью акции имеются расхождения. Аналитик собирает всю доступную ему информацию и, прилагая все свои знания и таланты, высказывается за покупку или, соответственно, продажу. Его действия помогают сузить существующий разрыв между ценой и внутренней ценностью. И чем лучше и искушеннее аналитики, тем в большей степени они нейтрализуют самих себя, потому что все более «эффективным» становится рынок А «эффективный» рынок четко согласуется с моделью случайного блуждания, где внутренняя ценность уже учтена и отражена в цене.
Понятно, что аналитик, находящийся на шаг впереди остальных, в условиях эффективного рынка перекроет суммарный средний результат своих коллег, но штука в том, что все аналитики убеждены, что их способности и профессионализм выше среднего. Достижения аналитика должны постоянно быть выше, чем результаты случайным образом составленного портфеля активов того же самого характера уже хотя бы потому, что каждый аналитик с 50-процентной вероятностью перекроет результат случайной выборки, даже если он полный идиот или пользуется мишенью и дротиками вместо логарифмической линейки.
Мир случайного блуждания - холодный, суровый и весьма негативный мир. Приверженцы этой теории верят в существо-вание внутренней ценности акции, но нам от этого не легче, потому что акции продаются по своей внутренней ценности, - что бы мы под этим термином ни понимали - только в те мо-менты, когда рынок пересекает эту отметку, двигаясь вверх или вниз. Иными словами, внутренняя ценность оказывается вер-ной точкой отсчета в том же смысле, в каком и остановившиеся часы показывают правильное время два раза в сутки.
Как мы уже знаем, существует одиннадцать тысяч аналитиков по ценным бумагам - и уж, конечно, многие тысячи чарти- стов. Чартисты не верят в случайное блуждание, потому что такая вера лишила бы их работу всякого смысла - какому же профессионалу приятно сознавать, что мишень с дротиками работает не менее эффективно, чем он? Что касается аналити-ков, то они считают, что случайное блуждание не играет ника-кой роли, потому что их информированность и интуиция по-зволяют им быть впереди. Ни один из них всерьез не погружа-ется в математические доказательства теории случайного блуждания. Если бы они это сделали и приняли приведенные аргументы, то, возможно, смирились бы с некоторой потерей в зарплате и переключились бы на преподавание в школах биз-неса, но пока никакого заметного исхода в этом направлении не наблюдалось.
В поддержку скептиков мы можем лишь еще раз обратиться к предпосылке, утверждающей, что биржа в разумных пределах «эффективна», то есть, что это рынок, где цифры рациональны, а нацеленные на прибыль инвесторы конкурируют между собой. Вполне, однако, вероятно, что инвесторы - и даже холодные, суровые, профессиональные инвестиционные менеджеры - не рациональны, или рациональны не на все 100 процентов. Возможно, они предпочитают иметь некоторую прибыль и чувствовать, что они в своих решениях не одиноки, чем иметь максимальную прибыль и испытывать непрекращающуюся тревогу. Инвестор в модели случайного блуждания с подозрительным постоянством ведет себя как «гомо экономикус», а мы уже не раз рассуждали о том, что «гомо» все-таки не совсем «экономикус». Как сказал лорд Кейнс, «нет ничего более катас-трофического, чем рациональная инвестиционная стратегия в иррациональном мире».
До сих пор еще никто не сумел втиснуть эмоции в сериальные коэффициенты корреляции и в анализ прогона сериальных испытаний. Абсолютно верно, что, статистически рассуждая, завтрашняя цена акции не имеет никакого отношения к ее вчерашней цене. Но люди, Толпа, наделены памятью, которая охватывает и тот день, и этот. Вы, наверное, заметили кое-что, в равной степени присущее и миру случайного блуждания, и миру графиков и диаграмм: ни в одном из этих миров нет места для людей. Там есть цены, там есть коэффициенты, там есть прошлое (или же его нет - в зависимости от того, какой из двух теорий вы придерживаетесь). Дерево епископа Беркли падает в лесу и производит страшный шум, хотя нет никого, кто бы этот шум услышал.
Если биржа - это действительно Игра, то в Игру вполне можно играть и без всяких внутренних ценностей. А если одно из правил Игры гласит, что дерево епископа Беркли падает тогда, когда все решили, что оно упало, - то даже и в самом дереве нет нужды. Если принтеры будут печатать сертификаты на обладание акциями, Нью-Йоркская фондовая биржа будет по-пре- жнему открыта, а банки будут время от времени впечатывать цифры дивидендов, то вся Игра остается на месте, даже если все сталеплавильные заводы, склады и железные дороги таинственным образом исчезли - при условии, что никто из участников Игры об этом не знает.
Приверженцы случайного блуждания для более сложных доказательств правоты своей теории обращаются к компьюте-рам, надеясь обрести дополнительные силу и авторитет. Теха- налитики тоже обращаются к компьютерам, прогоняя выборки и фильтры, настроенные не только на ценах закрытия, но и на максимумах и минимумах, скользящих средних и тд.- в об-щем, по любому мыслимому сериальному отношению величин. Но компьютеры программируются людьми, машины не спо-собны думать сами. Посему одни и те же компьютеры выдают не одни и те же доказательства. Первый вызов математическому языку теории случайного блуждания был брошен в работе Роберта Леви «Концепция относительной силы» - и, вероятно, где-то зреет ответ на нее на том же самом языке.
Влияние теории случайного блуждания должно бы быть благотворным по определению уже потому, что она заставляет всех проверять и перепроверять полученные результаты вместо того, чтобы принимать на веру мифы и обобщения. Но в то же время - я здесь ни на что не намекаю - среди приверженцев случайного блуждания очень мало богатых людей, как мало их и среди чартистов. С другой стороны, есть весьма успешные инвесторы, не располагающие какими-то сформулированными системами. Может бьггь, они просто попали в удачную серию сделок, может бьггь, они более рациональны или имеют больший доступ к информации. А может быть, они - и этого не желают принять к сведению в суровом мире статистики - просто более хорошие знатоки человеческой психологии.
Сторонники случайного блуждания не утверждают единогласно, что биржа - это случайное блуждание. Некоторые признают: нет, это не совсем так - уже хотя бы потому, что рынок далек от совершенства, от полной «эффективности». Иными словами потому, что на нем есть люди. «Моя модель, - пишет профессор Кутнер, - полностью совместима с тем, как мне видится чтение диаграмм на Уолл-стрит. Подобно индейским знахарям, открывшим транквилизаторы, уолл-стритские шаманы, без каких бы то ни было научных методов, с помощью своей магии что-то все-таки производят, не имея понятия о том, что они произвели и как оно работает». А профессор Александер заключает одну из своих статей так- «В условиях спекулятивного рынка цена, как видится, со временем следует принципу случайного блуждания, однако ее движение, однажды начавшись, имеет тенденцию продолжаться».
Но по движению, которое имеет тенденцию продолжаться, уже можно построить диаграмму. («Результаты статистиков в исследовании случайного блуждания в длительном временном интервале не противоречат неслучайным тенденциям в интервале происходящего движения», - пишет профессор Александер.)
Честно говоря, следует приложить уже упомянутую в этой книге предвзятость как к диаграммам, так и к случайному блужданию. Диаграмм мы вскользь коснулись, но техническая работа охватывает, кроме движения цен, и другие факторы (объем продаж, его рост, падение и т.д.), что диаграммы с готовностью нам и демонстрируют. Моя предвзятость, в которой я уже признавался, заключается в любви к «накапливающимся доходам», вполне укладывающимся в старую фундаменталистскую концепцию, называемую «Учтенная в настоящем ценность будущих прибылей». А от нее уже рукой подать до классической фундаменталистской теории «Нынешней ценности будущих дивидендов». Бесспорно, в растущие доходы вплетена идея «Внутренней ценности», но в Игру можно играть и при нали-чии «Внутренней ценности». А если биржа - это Игра, то по-пытки статистиков уничтожить диаграммы и графики вовсе не так страшны, как они представляются. Чартисты, вместе взятые, сами по себе становятся серьезной рыночной силой. Может быть, они просто принадлежат к иррациональной и еще неизмеренной австралопитековой стороне рынка.
Есть и еще одна претензия, которую следует предъявить академическим исследователям: они склонны читать лекции на языке, которым слушатель не владеет, - например, на языке квадратных уравнений. «В отношениях между математикой и отношением инвестора к акциям существует специфический парадокс», - пишет Бенджамин Грэм, старейшина финансового анализа, в своей книге «Разумный инвестор». Грэм продолжает:
«Считается, что математика дает точные и надежные результаты. Но на фондовой бирже, чем более изощрены и сложны математические построения, тем более ненадежны и гадательны те выводы, которые мы из них делаем. За все сорок четыре года моего опыта на Уолл-стрит я ни разу не видел надежных расчетов ценности акций или связанной с ней инвестиционной стратегии, которые выходили бы за пределы простой арифметики или самой элементарной алгебры. Если в игру входит математический анализ или высшая алгебра, - это всегда признак того, что автор пытается подменить опыт теорией».
Как вы могли бы предположить, памятуя о моей собственной предвзятости, я с готовностью соглашаюсь здесь со старейшиной финансового анализа. Более того. Мне кажется, что даже если бы адепты случайного блуждания объявили о том, что найдено безупречное математическое доказательство случайного характера биржевых процессов, я все равно продолжал бы ве-рить в то, что в длительной перспективе будущие прибыли вли-яют на текущую цену, а в краткосрочной перспективе доминан-тным фактором останется неуловимый австралопитек - харак-тер и настроение толпы.

Еще по теме ЧТО ЗА ЧЕРТОВЩИНА ЭТО «СЛУЧАЙНОЕ БЛУЖДАНИЕ»?:

1. § 2А. ГИПОТЕЗА СЛУЧАЙНОГО БЛУЖДАНИЯ И КОНЦЕПЦИЯ ЭФФЕКТИВНОГО РЫНКА
2. Вы говорите, что изобилие - это открытость БОГУ, а что вы скажете о тех, кому это не уда-ется?
3. Вы говорите, что освобождение от ненужных вещей - это один из законов изобилия. Я полностью перебрала свой гардероб и хочу обновить его. Но не могу решиться, так как боюсь истратить на это все свои сбережения. Я говорила себе, что можно и повременить; но тут у меня появилась боль в середине спины. Может, это послание мне, чтобы я все-таки сделала это?
4. Когда я прошу у моего внутреннего БОГА послать мне какую-то сумму денег, например 10 000 долларов для покупки вещей, которых у меня нет, не означает ли это, что я боюсь, что их у меня не будет? Или же это означает, что я не верю в своего внутреннего БОГА?
5. Может ли случиться так, что ты по-настоящему веришь, что что-то является для тебя хорошим, а это так никогда и не проявится?
6. Мой муж хочет, чтобы я составляла семейный бюджет и придерживалась его. Он говорит, что я бесполезно трачу слишком много денег и что если бы у нас был бюджет, мы бы добились большего процветания. Я думаю, что если я составляю бюджет, то это равнозначно тому, что я не живу в своем настоящем времени. Что вы мне посоветуете?
7. Когда я вовремя не плачу то, что я должен, и с меня удерживают проценты за просрочку платежа, не является ли это расточительностью? Не закрывает ли это мне доступ к изобилию?

Существует еще одна интересная задача, при решении которой не обойтись без понятия вероятности. Это проблема «случайных блужданий». В простейшем варианте эта задача выглядит следующим образом. Вообразите себе игру, в которой игрок, начиная от точки х = 0, за каждый ход может продвинуться либо вперед (до точки х), либо назад (до точки -х), причем решение о том, куда ему идти, принимается совершенно случайно, ну, например, с помощью подбрасывания монеты. Как описать результат такого движения? В более общей форме эта задача описывает движение атомов (или других частиц) в газе - так называемое броуновское движение - или образование ошибки при измерениях. Вы увидите, насколько проблема «случайных блужданий» тесно связана с описанным выше опытом с подбрасыванием монеты.

Прежде всего давайте рассмотрим несколько примеров случайных блужданий. Их можно описать «чистым» продвижением D N , за N шагов. На фиг. 6.5 показаны три примера путей при случайном блуждании.

Что можно сказать о таком движении? Ну, во-первых, можно спросить: как далеко мы в среднем продвинемся? Нужно ожидать, что среднего продвижения вообще не будет, поскольку мы с равной вероятностью можем идти как вперед, так и назад. Однако чувствуется, что с увеличением N мы все с большей вероятностью можем блуждать где-то все дальше и дальше от начальной точки. Поэтому возникает вопрос: каково среднее абсолютное расстояние, г. е. каково среднее значение |D|? Впрочем, удобнее иметь дело не с |D|, а с D 2 ; эта величина положительна как для положительного, так и для отрицательного движения и поэтому тоже может служить разумной мерой таких случайных блужданий.

Можно показать, что ожидаемая величина D 2 N равна просто N- числу сделанных шагов. Кстати, под «ожидаемой величиной» мы понимаем наиболее вероятное значение (угаданное наилучшим образом), о котором можно думать как об ожидаемом среднем значении большого числа повторяющихся процессов блуждания. Эта величина обозначается как 2 N > и называется, кроме того, «средним квадратом расстояния». После одного шага D 2 всегда равно +1, поэтому, несомненно, 2 1 > = 1. (За единицу расстояния всюду будет выбираться один шаг, и поэтому я в дальнейшем не буду писать единиц длины.)

Ожидаемая величина D 2 N для N > 1 может быть получена из D N -1 . Если после (N - 1) шагов мы оказались на расстоянии D N -1 то еще один шаг даст либо D N = D N -1 + 1, либо D N =D N -1 - 1. Или для квадратов

Если процесс повторяется большое число раз, то мы ожидаем, что каждая из этих возможностей осуществляется с вероятностью 1/2, так что средняя ожидаемая величина будет просто средним арифметическим этих значений, т. е. ожидаемая величина D 2 N будет просто D 2 n-1 + 1. Но какова величина D 2 n-1 , вернее, какого значения ее мы ожидаем? Просто, по определению, ясно, что это должно быть «среднее ожидаемое значение» 2 n-1 >, так что

Если теперь вспомнить, что 2 1 > = 1, то получается очень простой результат:

Отклонение от начального положения можно характеризовать величиной типа расстояния (а не квадрата расстояния); для этого нужно просто извлечь квадратный корень из D < 2 N > и получить так называемое «среднее квадратичное расстояние» Dск:

Мы уже говорили, что случайные блуждания очень похожи на опыт с подбрасыванием монет, с которого мы начали эту главу. Если представить себе, что каждое продвижение вперед или назад обусловливается выпадением «орла» или «решки», то D N . будет просто равно N 0 - N P , т. е. разности числа выпадений «орла» и «решки». Или поскольку N 0 + N P = N (где N - полное число подбрасываний), то D N = 2N 0 - N. Вспомните, что раньше мы уже получали выражение для ожидаемого распределения величины No [она обозначалась тогда через k; см. уравнение (6.5)]. Ну а поскольку N - просто постоянная, то теперь такое же распределение получилось и для D. (Выпадение каждого «орла» означает невыпадение «решки», поэтому в связи между N 0 и D появляется множитель 2.) Таким образом, на фиг. 6.2 график представляет одновременно и распределение расстояний, на которые мы можем уйти за 30 случайных шагов (k = 15 соответствует D = 0, а k= 16 соответствует D= 2 и т. д.).

Отклонение N 0 от ожидаемой величины N/2 будет равно

откуда для среднего квадратичного отклонения получаем

Вспомним теперь наш результат для D ск . Мы ожидаем, что среднее расстояние, пройденное за 30 шагов, должно быть равно √30 = 5,5, откуда среднее отклонение k от 15 должно быть 5,5: 2 ≈ 2,8. Заметьте, что средняя полуширина нашей кривой на фиг. 6.2 (т. е. полуширина «колокола» где-то посредине) как раз приблизительно равна 3, что согласуется с этим результатом.

Теперь мы способны рассмотреть вопрос, которого избегали до сих пор. Как узнать, «честна» ли наша монета? Сейчас мы можем, по крайней мере частично, ответить на него. Если монета «честная», то мы ожидаем, что в половине случаев выпадет «орел», т. е.

Одновременно ожидается, что действительное число выпадений «орла» должно отличаться от N/2 на величину порядка √N/2, или, если говорить о доле отклонения, она равна

т. е. чем больше N, тем ближе к половине отношение N0/N.

На фиг. 6.6 отложены числа N 0 /N для тех подбрасываний монеты, о которых мы говорили раньше. Как видите, при увеличении числа N кривая все ближе и ближе подходит к 0,5. Но, к сожалению, нет никаких гарантий, что для каждой данной серии или комбинации серий наблюдаемое отклонение будет близко к ожидаемому отклонению. Всегда есть конечная вероятность, что произойдет большая флуктуация - появление большого числа выпадений «орла» или «решки»,- которая даст произвольно большое отклонение. Единственное, что можно сказать,- это если отклонения близки к ожидаемому 1/2√N (скажем, со множителем 2 или 3), то нет оснований считать монету «поддельной» (или что партнер плутует).

Мы не рассматривали еще случаи, когда для монеты или какого-то другого объекта испытания, подобного монете (в том смысле, что возможны два или несколько достоверно не предсказуемых исхода наблюдения, например камень, который может упасть только на какую-то из двух сторон), имеется достаточно оснований полагать, что вероятности разных исходов не равны. Мы определили вероятность Р(О) как отношение 0 >/N. Но что принять за величину 0 >? Каким образом можно узнать, что ожидается! Во многих случаях самое лучшее, что можно сделать, это подсчитать число выпадений «орла» в большой серии испытаний и взять 0 > = N 0 (наблюденное). (Как можно ожидать чего-то еще?) При этом, однако, нужно понимать, что различные наблюдатели и различные серии испытаний могут дать другое значение Р(О), отличное от нашего. Следует ожидать, однако, что все эти различные ответы не будут расходиться больше чем на 1/2√N [если Р(О) близко к половине]. Физики-экспериментаторы обычно говорят, что «экспериментально найденная» вероятность имеет «ошибку», и записывают это в виде

При такой записи подразумевается, что существует некая «истинная» вероятность, которую в принципе можно подсчитать, но что различные флуктуации приводят к ошибке при экспериментальном ее определении. Однако нет возможности сделать эти рассуждения логически согласованными. Лучше все-таки, чтобы вы поняли, что вероятность в каком-то смысле - вещь субъективная, что она всегда основывается на какой-то неопределенности наших познаний и величина ее колеблется при их изменении.