Pokazywanie postów oznaczonych etykietą teoria chaosu. Pokaż wszystkie posty
Pokazywanie postów oznaczonych etykietą teoria chaosu. Pokaż wszystkie posty

czwartek, 22 kwietnia 2010

Wykładnik Hursta na GPW dla dziennych stóp zwrotu w kontekście ostatniej hossy

Wielu graczy giełdowych zastanawia się i zgaduje co będzie jutro. Wydaje się, że trend to trend i autokorelacje występują. Za pomocą programu Long Memory Analysis zbadałem ostatni rok, dokładniej dane od 23.03.2009 do 22.04.2010, w ujęciu dziennym dla WIG-u i WIG20 oraz niektórych spółek. Okazuje się, że z punktu widzenia teorii chaosu uśrednione dzienne zmiany były w tym okresie czysto losowe. Natomiast znalazłem dwie spółki charakteryzujące się persystentnym kursem (pamiętajmy, że chodzi jedynie o dzienne dane).

1. WIG:

H = 0,55 i E(H) = 0,58. Ponieważ H - E(H) = -0,03, zaś (1/N)^(0,5) = 0,06 > 0,03, więc persystencja jest nieistotna statystycznie.

Wykres WIG:



2. WIG20:

H = 0,5. Idealne błądzenie przypadkowe.

Wykres WIG20:



Zbadajmy wybrane spółki.

3. KGHM:

H = 0,589, E(H) = 0,584. Widać, że różnica zerowa. Zatem brak persystencji.

4. LOTOS:

H = 0,633, E(H) = 0,5835. H - E(H) = 0,0496 < 0,06, zatem persystencja nie występuje.

Pomimo iż wydaje się, że H dla Lotosu jest wysokie, a różnica H - E(H) bliska 0,06, to należy pamiętać, że tego typu zbieżności często występują dla standardowego ruchu Browna, dlatego w tej kwestii trzeba być bezwzględnym.

5. ING BSK:

H = 0.579, E(H) = 0.5835, H - E(H) = -0.0048. 0.0048 < 0.06. Brak persystencji.

6. ELBUDOWA:

H = 0.538, E(H) = 0.5835, H - E(H) = -0.045. Brak persystencji.

Dalej będę pisał skrótowo.

7. INSTAL KRAKÓW:

0.595, 0.5835, 0.0116. Brak persystencji.

8. IMPEXMETAL:

0.5537, 0.5835, -0.03. Brak persystencji.

9. MAGELLAN

0.587, 0.583, 0.004. Brak persystencji.

10. MONNARI

0.61886, 0.5835, 0.035. Brak persystencji.

11. M.W. TRADE

0.516, 0.583,-0.067. Brak persystencji.

12. NETIA

0.502, 0.5835, -0.08. Brak persystencji.

13. PAGED

0.64589, 0.5835, 0.0624 > 0.06. Kurs jest persystentny.

Wykres PAGED:



14. Polska Grupa Farmaceutyczna (PGF)

0.642, 0.5835, 0.0588 < 0.06. Pomimo braku istotności, warto byłoby bliżej przyjrzeć się tej spółce, ponieważ różnica 0.06 - 0.0588 = 0.0012 jest tak mała, że można mieć podejrzenie o persystencję. Rozszerzyłem zakres danych o miesiąc (od 23.02). Dostałem:

0.649, 0.577686, 0.0714. W tym przypadku (1/N)^(0,5) = 0.059.
0.0714 > 0.059, zatem dostajemy, że PGF posiada persystentny kurs.

Wykres PGF:


Dla porównania zrobiłem to samo dla PAGED:

0.62, 0.578, 0.042. 0.042 < 0.059, zatem niestety kurs przestaje być persystentny.

15. Ponadto zbadałem STALPROFIL, TPSA, TRAKCJĘ I TVN. Żadna z nich nie posiada długiej pamięci w danych dziennych (z punktu widzenia analizy R/S) w danym okresie. Warto tu zwrócić uwagę na TRAKCJĘ. Spółka ta w ciągu roku otrzymała H = 0,49, a więc jest idealnym błądzeniem przypadkowym. W tym okresie wzrosła jedynie o 14,4%:



Spółka jest oceniana bardzo pozytywnie, jakoś często wspominana na różnych forach - być może ze względu na nazwę kojarzącą się z atrakcją. A jednak co niektórzy zauważają, jak silnie jest związana z PKP i już samo to źle wpływa na oczekiwania. Pokazuje to, że powierzchowna analiza fundamentalna jest do niczego. Tak czy inaczej historycznie spółka jest bardzo ryzykowna.

Podsumowanie.

Analiza R/S pokazuje, że dane dzienne w ostatnim roku są najczęściej czysto przypadkowe, z szansą 50:50 i wartością oczekiwaną bliską zera. Dodajmy 3% rocznej inflacji i koszty transakcyjne i domyślam się, że wartość oczekiwana spadnie co najmniej do zera.
Możliwe, że koszty te powodują także, że nie da się wykorzystać wykrytej persystencji w niektórych spółkach. Mimo wszystko należy stwierdzić, że w porównaniu z WIG i WIG20 jest co najmniej kilka spółek, które posiadały długą pamięć w dziennych zmianach kursów w ostatnim roku; są to np. PAGED i PGF. Pomimo tego okazuje się, że i ta persystencja jest chwiejna, tak że przy różnych długościach okresów spółki zyskiwały i traciły pamięć. Możliwe, że wiele badanych tutaj spółek również wykazuje się dzienną persystencją przy innych długościach czasu, ale sprawdzenie tego wymaga dalszych badań.

niedziela, 18 kwietnia 2010

O nieliniowej uporczywości kursów

Zanim przejdę do rozkładów Levy'ego i ich połączenia z ułamkowym ruchem Browna, dokończę sprawę ułamkowego ruchu Browna, która jest na tyle zawikłana i interesująca, że należy chwilę poświęcić jej czas.

Mówiliśmy wielokrotnie, że jeśli wykładnik Hursta > 0,5, szereg czasowy charakteryzuje się persystencją, czyli uporczywością podążania w danym kierunku obserwacji. Intuicyjnie każdy rozumiałby to w taki sposób, że występuje trend. Trend wydaje się stanowić miarę pamięci procesu. Problem polega na tym, że pamięć tego procesu jest w dłuższych okresach coraz słabsza. Oznacza to, że wpływ wydarzenia w dalekiej przeszłości zanika. Po długim czasie proces będzie nierozróżnialny od błądzenia przypadkowego, tak że H będzie dążył do 0,5. W tej sytuacji oczywiste również, że wartość oczekiwana będzie dążyć do zera.

Tak więc statystyka Hursta wiąże się z teorią chaosu dwojako: poprzez początkowe obciążenie (efekt motyla) oraz zanik pamięci długoterminowej (niemożliwość przewidywania w długim okresie). Objawia się tu nieliniowa autokorelacja pomiędzy danymi. Z tego powodu nie może być tu stosowana miara korelacji liniowej.

Co się właściwie tutaj dzieje? Logiczne, że efekty motyla występują w każdym momencie. Jeśli H > 0,5 i początkowo są wzrosty, tak że utrzymuje się trend zwyżkujący, lecz raz przypadkowo następuje spadek, to ten spadek będzie oddziaływał w każdym kolejnym okresie. Jeśli nawarstwi się trochę spadków, to dojdzie do "katastrofy" - efekt motyla zacznie przeważać w drugą stronę, czyli w stronę spadków, ponieważ bliższa przeszłość ma większe znaczenie niż dalsza. Następuje zmiana trendu na zniżkujący.

Przyjrzymy się poniższym rysunkom:

H = 0,2:



H = 0,5:



H = 0,8:



Dla H = 0,2 szereg szybciej zmienia kierunek niż dla standardowego ruchu Browna, dla H = 0,5 zachowuje się zgodnie ze standardowym ruchem Browna, dla H = 0,8 wolniej zmienia kierunek.
Ale widać, że we wszystkich przypadkach następuje mniej więcej w tym samym czasie zmiana kierunku "trendu", co przeczy intuicji że dla H > 0,5 trend powinien być najdłuższy.

Przykład ten także pokazuje, że H jest nie tyle prawdopodobieństwem warunkowym znaku kolejnej zmiany obserwacji, co miarą zmienności.

Doświadczamy więc jak subtelna różnica jest pomiędzy zwykłym błądzeniem przypadkowym a jego obciążonym odpowiednikiem. W tym drugim przypadku w długim okresie czasu pamięć o początkowym trendzie spada niemal do zera, tak że nie będziemy w stanie przewidzieć, w którą stronę zmienna podąży.

Wcześniej napisałem, że wartość oczekiwana przyrostów ułamkowego procesu ruchu Browna równa się zero, gdyż nie wiemy, po której stronie skrzydła motyla wywołają huragan. Obecnie dodaję, że motyl lata bez przerwy. Kiedyś może odwrócić się trend, tak że wartość oczekiwana przyrostów równać się będzie zero.

Z powyższego widać, jak dobrze ułamkowy ruch Browna odpowiada światowi rynków kapitałowych. Bo z jednej strony kursy rzeczywiście wydają się być przylepione do danego kierunku, z drugiej strony nie dają się raczej przewidywać w długim okresie czasu.

Płyną z tego wnioski. Po pierwsze lepiej kupować akcje, które rosną, gdyż istnieje większa szansa, że będą dalej rosnąć. Jednocześnie lepiej sprzedawać akcje, które spadają, gdyż istnieje większa szansa, że będą dalej spadać. Po drugie warto wspomagać się długoterminową średnią kroczącą, która może wskazać moment, po którym nastąpiła "katastrofa" i zmiana trendu. Po trzecie warto kupować akcje spółek o niskiej osiągalności, tj. niskim ryzyku osiągalności. Pisałem o tym ryzyku tutaj:
http://gieldowyracjonalista.blogspot.com/2009/07/ryzyko-osiagalnosci_13.html
Niska osiągalność jest zbawienna psychologicznie, gdyż odciąża nas od pokusy sprzedaży akcji, gdy te szybko spadają lub szybko rosną. Ryzyko to wydaje się być lepszą miarą niż odchylenie standardowe, które może być teoretycznie nieskończone. Będzie tak w sytuacji, gdy trajektoria kursu nie będzie ułamkowym ruchem Browna, ale ułamkowym ruchem Levy'ego.
Innym sposobem na zmniejszenie ryzyka jest zwykła dywersyfikacja. Dzięki niej osiągalność portfela spadnie. Prawdopodobnie taki portfel będzie miał większy wykładnik Hursta, gdyż trajektoria kursu portfela ulegnie wygładzeniu.
Po czwarte trzeba jednak sprawdzić czy to co widzimy to nie przypadek, czyli że H > 0,5. Metoda liczenia H jest jednak trudna, więc najlepiej posłużyć się odpowiednim programem. Na marginesie należy wspomnieć, że jeśli będziemy mieć taki program i wrzucimy do niego surowe dane i dostaniemy wynik H = 0,75, to znowu trzeba być ostrożnym w formułowaniu wniosku, że nasz kurs jest persystentny. Przede wszystkim należy pamiętać o wpływie inflacji, dlatego w długim szeregu czasowym należy dane odfiltrować od inflacji. Drugą kwestią jest pytanie czy program taki pomaga użytkownikowi w określeniu istotności empirycznego H. Jest on istotny, gdy jest większy od teoretycznego H przynajmniej o (1/N)^(1/2), gdzie N to liczba obserwacji. Teoretyczny H jest dany dość skomplikowanym wzorem, dlatego najlepiej jeśli taki program ma wbudowany algorytm obliczający go.

Źródło:

1. E.E. Peters, Teoria chaosu a rynki kapitałowe, W-wa 1997
2. J. Strecker, Fractional Brownian Motion Simulation: Observing Fractal Statistics in the Wild and Raising Them in Captivity, 2004.

środa, 7 kwietnia 2010

O ułamkowym ruchu Browna i jego komercyjnym charakterze

Wielu z nas - inwestorów - kupiło książkę E. Petersa "Teoria chaosu a rynki kapitałowe". Z pewnością wielu było pod olbrzymim wrażeniem przedstawionej tam teorii oraz ilości dowodów, że rynki finansowe są chaotyczne. Uważam jednak, że jest potrzebny głos z zewnątrz, który naprostowałby nieścisłości, a nawet błędy zawarte w tej książce.

Peters napisał książkę, która moim zdaniem wsławiła się umiejętnym połączeniem podręcznika popularno-naukowego i pracy naukowej, niemalże doktorskiej. Peters, idąc śladem Hawkinga ("Krótka historia czasu"), nie epatuje czytelnika skomplikowanymi wzorami, lecz najpierw wykłada przyzwoicie teorię, tak aby laik mógł zrozumieć, potem wskazuje różne fakty empiryczne odkryte przez badaczy, a następnie przedstawia własne przemyślenia i w końcu - najważniejsze - własne badania.

Wiadomo, że chodzi o pieniądze. Gdyby miało być skomplikowanie, to kto by to czytał? Z drugiej strony zbytnie upraszczanie wprowadza w błąd czytelnika. Tak niestety się dzieje w przypadku książki Petersa.

Peters trochę spłaszcza to wszystko. Dzieli świat teorii rynków na dwie części:

(1) jeśli rynek jest efektywny, to stopy zwrotu są losowe i niezależne od siebie, mają rozkład normalny;
(2) jeśli rynek nie jest efektywny, to stopy zwrotu są nielosowe, zależne od siebie i nie mają rozkładu normalnego.

Na stronie 15 Peters pisze:

"Gdyby okazało się, że rynkowe stopy zwrotu spełniają warunki rozkładu normalnego, wtedy hipoteza efektywności oraz jej konsekwencje byłyby uprawnione".

Dalej głosi:

"Stare metody trzeba zastąpić nowymi - takimi, które nie będą oparte na niezależności zdarzeń, rozkładzie normalnym i skończonej wariancji. Nowe metody muszą objąć teorię faktali oraz dynamikę nieliniową (...)".

Na str. 17 pada stwierdzenie:

"Siódme założenie Osborne'a jest konkluzją założeń od trzeciego do szóstego. Stwierdza się w nim, że ponieważ zmiany cenowe są zdarzeniami niezależnymi (to znaczy podlegają błądzeniu przypadkowemu), można spodziewać się, że ich rozkład będzie rozkładem normalnym ze stabilną średnią i skończoną wariancją. Wniosek taki wynika z centralnego twierdzenia granicznego rachunku prawdopodobieństwa, czyli prawa wielkich liczb."

Wszystkie powyższe zdania zawierają błędy merytoryczne. Za chwilę je objaśnię, a teraz tylko mała uwaga: prawo wielkich liczb nie jest centralnym twierdzeniem granicznym. W tym kontekście być może stają się równoznaczne, ale laik nie dostrzeże tych subtelności i potraktuje oba twierdzenia jako tożsame.

Następnie Peters przedstawia wyniki badań, które sugerują, że stopy zwrotu mają rozkład Pareta, inaczej Levy'ego, które nazywa fraktalnymi. Po tym dowodzi istnienia struktur fraktalnych na giełdach, wprowadzając pojęcie obciążonego błądzenia przypadkowego, czyli z wykładnikiem Hursta różnym od 0,5. W końcu spogląda na wszystko przez pryzmat dynamiki nieliniowej, czyli chaosu deterministycznego.

W sumie punkt (1) zostaje obalony, zaś punkt drugi może zostać zastąpiony zdaniem:
rynek nie jest efektywny, ale chaotyczny, losowo fraktalny, stopy zwrotu są nielosowe, zależne od siebie (obciążone błądzenie przypadkowe, ułamkowy ruch Browna) i mają rozkład fraktalny. Wszystko na rynku staje się fraktalem.

Czy tak jest? Nie, tak nie jest.

Przypomnijmy wzór na ułamkowy proces ruchu Browna:



gdzie t > 0, t > s, B - standardowy proces ruchu Browna, H - wykładnik Hursta, 0 < H < 1.

Dla aplikacji wzór ten został uproszczony przez P. Levy'ego do postaci:



Teoria całek stochastycznych jest trudna (całkiem nowa), jest to matematyka zaawansowana i nie będziemy na razie się w nią wgłębiać. Jak będzie coś potrzebne, to dotkniemy tematu.

Warto jednak już teraz dostrzec głębię wzoru: standardowy ruch Browna dB jest przemnożony przez funkcję różnic pewnych chwil czasu, gdyż ułamkowy ruch Browna zależy od tych chwil. Dla H = 0,5, dostajemy całkę z dB, czyli faktycznie zwykłe błądzenie przypadkowe. Wartość funkcji gamma jest tylko stałą, więc pełni tu rolę podrzędną.

Po pierwsze ułamkowy (fraktalny) ruch Browna jest procesem gaussowskim! Oznacza to, że stopy zwrotu w takim procesie mają rozkład normalny.

Po drugie oczekiwana stopa zwrotu jest równa zero. Nie zgadzacie się z tym, bo przecież dodatnia obciążoność sprawia, że kolejne przyrosty będą mieć większą szansę otrzymać ten sam znak co za poprzednim razem. Ale czy ktoś ustanawia kierunek od początku? Jeśli zacznie się ruch w górę (dół), to w następnym ruchu można spodziewać się także kierunku w górę (dół). To jest właśnie ów efekt motyla. Globalnie średnio rzecz biorąc oba kierunki znoszą się, bo nie wiadomo, w którą stronę motyl zatrzepocze. (Natomiast nie należy tego mylić z warunkową oczekiwaną stopą zwrotu, która może być większa od zera!).

Po trzecie przyrosty są stacjonarne, wariancja i odchylenie standardowe przyrostów są oczywiście (ze względu na normalność) skończone i odpowiednio wynoszą:



gdzie B(H)-ułamkowy proces ruchu Browna, t - dowolna chwila czasu.

W literaturze wariancję zapisuje się także w postaci:



Jedyną różnicą pomiędzy błądzeniem przypadkowym a obciążonym błądzeniem przypadkowym jest to, że w tym drugim przypadku kolejne przyrosty są skorelowane. Funkcją kowariancji dla dowolnych chwil t i s, t > s, jest:



Teraz więc wyjaśniło się dlaczego potrzebne jest nie tylko t, ale i s: ich funkcje, czyli kolejne wartości lub zmiany procesu ułamkowego ruchu Browna są skorelowane.

Wystarczająco duże H oznacza, że mamy do czynienia z rzeczywistym trendem, nie iluzją.

Ale jeśli kolejne zmiany są od siebie zależne, a jednocześnie mogą mieć rozkład Gaussa, to z przerażeniem odkrywamy, że to co badaliśmy w poprzednim poście - losowość przyrostów arytmetycznego i geometrycznego procesu ruchu Browna poprzez sprawdzanie gaussowskości było błędne!!!

Co to jest właściwie losowość? Przez losowość zmiennej możemy rozumieć niezależność kolejnych obserwacji od innych obserwacji (zmiennych).

Żeby sprawdzić losowość musimy użyć odpowiednich testów na istnienie losowości. Na szczęście wszystkie testy losowości, których użyłem do tamtych obserwacji jasno wskazują, że nie ma podstaw do odrzucenia hipotezy o losowości procesu. Czyli rzeczywiście kształt trendu był przypadkowy.

W sumie więc, jeśli chcemy zbadać czy dany proces jest błądzeniem przypadkowym, musimy zrobić dwa testy: na normalność przyrostów oraz na losowość. Dlaczego nie wystarczy na losowość, którą utożsamiliśmy z niezależnością od reszty obserwacji? Dlatego, że niezależność zmiennych nie pociąga za sobą normalności.

Rozkład Levy'ego jest również rozkładem zmiennej losowej (niezależnej). Różnica będzie tylko taka, że zmienna będzie mogła mieć w tym przypadku nieskończoną wariancję. Nie musi mieć to nic wspólnego z zależnością kolejnych obserwacji. Wynika z tego, że stopy zwrotu na rynku efektywnym nie muszą mieć rozkładu Gaussa.

Podsumujmy. Zmienne losowe lub nie do końca losowe mogą mieć różne rozkłady prawdopodobieństwa. Może być to rozkład Levy'ego - jeśli wariancja będzie skończona, będzie to rozkład normalny. Przyrosty błądzenia przypadkowego zazwyczaj łączymy ze zmienną (niezależną) losową o rozkładzie normalnym. Fraktalny proces ruchu Browna jest gaussowski.

Bardzo mało prawdopodobne, żeby Peters nie znał tych faktów, które tutaj przedstawiłem. Nie chciał mieszać w głowach czytelników, aby wyszła mu książka przejrzysta, ładnie opowiedziana i komercyjna, czyli chodziło o pieniądze. Fraktale są modne, więc wszystko trzeba było wtłoczyć w ich ramy.

O co chodzi z tą gmatwaniną? Wydawałoby się po prostu, że Peters napisał niektóre bzdury dla komercji. Dowiedzieliśmy się, że fraktalne ruchy Browna wcale nie muszą mieć rozkładów fraktalnych. Ale uwaga - mogą mieć. Kwestia ta wymaga dalszych wyjaśnień, które przeprowadzę w następnym odcinku.

Ponadto szerokie badania wykazują, że stopy zwrotu indeksów giełdowych nie mają rozkładu normalnego. Oznacza to - uwaga - że stopy zwrotu nie są ułamkowym ruchem Browna. Są jak już multiułamkowym ruchem Browna, a te nie muszą mieć rozkładu normalnego. Tak czy inaczej, trzeba było rozszerzyć pojęcie ułamkowego ruchu Browna dla rozkładów niegaussowskich. Peters, tak po cichu, bez tłumaczeń, wskazał ten kierunek.


Źródło:

1. B.B. Mandelbrot, Fractional Brownian Motions, Fractional Noises and Applications, 1968
2. A.Mastalerz-Kodzis, Modelowanie procesów na rynku kapitałowym za pomocą multifraktali, 2003
3. E.E. Peters, Teoria chaosu a rynki kapitałowe, W-wa 1997
4. D. Nualart, Fractional Brownian motion: stochastic calculus and applications, 2000.

środa, 10 marca 2010

Paradoks rynku efektywnego. Natura rynku fraktalnego (ułamkowo efektywnego)

Rynek efektywny to taki, na którym wszelkie istotne informacje zostają natychmiast uwzględnione w cenach. Paradoksalnie w takiej sytuacji racjonalny inwestor nie powinien dyskontować informacji, gdyż szansa na to jest nikła. Jest takie powiedzenie o rynku efektywnym: Jeśli zobaczysz leżącego na ulicy dolara, nie podnoś go, bo już go ktoś znalazł przed tobą. Idiotyczne to, ale jakże znamienne dla rynku, któremu poświęcamy tyle czasu.

Inwestor dyskontujący informacje na doskonałym rynku, na którym wszyscy robią to samo co on, poniósłby duże ryzyko, inwestując w konkretne akcje. Jak pamiętamy, zgodnie z teorią efektywnego rynku oczekiwana stopa zwrotu z dowolnego papieru wartościowego leży na linii papierów wartościowych (SML). A zatem inwestor, który dyskontuje informacje powinien liczyć się z ryzykiem rynkowym wynoszącym beta.
Oczywiście mógłby inwestować w takie akcje, jeśli posiada niską awersję do ryzyka, ale i tak byłaby to zwykła spekulacja, bo zgodnie z teorią już ktoś przed nim albo w tym samym momencie co on zdyskontował wszelkie wiadomości.

Dlatego powinien stosować model linii rynku kapitałowego (CML) lub przynajmniej metodę Markowitza. W takim razie nikt nie powinien dyskontować informacji, lecz używać CML, a więc rynek przestałby być efektywny. Cóż za paradoks.

Oczywiście, gdyby wszyscy stosowali CML, ruchy cen nadal mogłyby być całkowicie losowe, lecz ważne wiadomości nie byłyby uwzględniane w cenach. Ktoś powie: a jakie to ma znaczenie, po prostu powstanie prawdziwy hazard. Jest to błędne rozumowanie.

Przychodzi informacja, że zysk spółki X wzrósł o 50% i zamierza ona o tyle samo zwiększyć dywidendę. Efektywny rynek powinien natychmiast na to zareagować zwyżkami cen, gdyż każdy może skorzystać z dodatkowego zysku firmy bez ryzyka. Po dniu ustalenia prawa do dywidendy (a na GPW 3 dni przed tym dniem, gdyż tyle trwa rozliczenie transakcji w KDPW) cena akcji powinna spaść dokładnie o wielkość stopy dywidendy, tak że informacja o dywidendzie już nie miałaby żadnego znaczenia dla kursów, a inwestor nie miałby żadnych korzyści z trzymania tych akcji, gdyż zysk z dywidendy zostałby skorygowany spadkiem kursu.

Jeśli wszyscy stosują CML, to kurs porusza się losowo, wobec czego w dniu ustalenia prawa dywidendy także. Ten dzień nie ma znaczenia. Oznacza to, że po tym dniu kurs nie musi spadać, lecz będzie zachowywać jak zwykle. Wynika z tego, że sprytny inwestor "wyłamujący się" ze schematu CML, mógłby znacznie więcej zarobić niż inni, czyli ponadprzeciętnie. Przerzuciłby wszystkie lub większość środków na spółkę X. Otrzymuje więc dużą dywidendę, a ponadto posiada ciągle akcje, których oczekiwana stopa zwrotu nie zmienia się (tj. nie spada). Wprawdzie ryzyko z samych akcji wzrasta (gdyż jak wiemy dywersyfikacja w CML jest maksymalna, a więc zapewnia najmniejsze ryzyko), ale zostaje to skompensowane dywidendą. Czy więc wychodzi na to samo, tzn. czy znów większy zysk jest okupiony większym ryzykiem? Nie, ponieważ inwestor zachowuje się tak, jakby stosował SML, czyli model bez dywersyfikacji, który właśnie przedstawia potencjalny większy zysk okupiony ryzykiem. A więc zgodnie z SML bez ryzyka niemożliwe jest uzyskanie zysku większego od stopy zwrotu z obligacji lub bonów skarbowych. A w omawianym przypadku dostajemy dodatkowy zysk z dywidendy. Tym samym inwestor pokonuje rynek, co jest niedopuszczalne na efektywnym rynku.

Oczywiście inwestorzy nie są głupi i szybko zauważyliby i wykorzystaliby takie możliwości. W zasadzie, wszyscy powinni tak zrobić, co oczywiście znów doprowadziłoby do powrotu rynku efektywnego. Ale jeśli każdy jest statystycznie identycznie spostrzegawczy, to statystyczny inwestor winien zarobić zero. A więc lepiej stosować strategię pasywną, bo po co się jak Syzyf męczyć... a więc każdy racjonalny jednak powinien nie dyskontować żadnych informacji i rynek znów staje się nieefektywny...

Znów więc stoimy wobec pytania, która postawa - aktywna czy pasywna - jest racjonalna na (efektywnym?) rynku?
Aby odpowiedzieć na to pytanie, zróbmy przykład. Powiedzmy, że na rynku są dwaj gracze A i B. Jeśli obaj dyskontują w tym samym czasie informację, to każdy zarobi V + 0 - Z, gdzie V - przeciętna wygrana wynikająca z SML lub CML - nie ma znaczenia która, gdyż oba modele po skorygowaniu o ryzyko dają te same oczekiwane stopy zwrotu. Dodajemy zero, gdyż 0 = 0,5*D + 0,5(-D), gdzie D - nadwyżka stopy zwrotu wynikająca ze zdyskontowania informacji (np. o dywidendzie). Któryś zarobi, ale średnio nikt. Z - koszt zarządzania wynikający z tego, że inwestor ciągle śledzi informacje napływające z minuty na minutę i dokonuje szybkich decyzji. Dla uproszczenia uznamy, że Z = V. A więc oczekiwany zysk, gdy wszyscy dyskontują informacje, równa się zero. Jeśli tylko jeden gracz dyskontuje informacje, to zarabia on V + D - Z = D, a wtedy drugi grając pasywnie, tj. stosując metodę CML, zarabia V. Jeśli obaj stosują CML, wtedy obaj zarabiają V. Dlaczego V nie rozdwaja się? Uznajemy, że parametry rozkładu stopy zwrotu są identyczne i niezależne od czasu. CML opiera się na tym, że po prostu kupujemy rynek, który zachowuje się losowo zgodnie z pewną wartością oczekiwaną (a ta jest z założenia stała).



Schemat ten został przedstawiony powyżej. Macierz jest symetryczna. Poziome strategie dotyczą gracza A, zaś pionowe gracza B. Lewa strona każdego okna odpowiada zyskom gracza A, prawa - oddzielona kreską - gracza B.

Od razu widać, że paradoks jest trudniejszy niż w standardowym przypadku paradoksu Newcomba. Strategia dominująca nie istnieje. Czy istnieje równowaga Nasha? Popatrzmy. Jeśli gracz A wybiera góra, wtedy gracz B wybiera zawsze prawa. Jeśli zaś B wybiera prawa, to A wybiera zawsze góra. Istnieje zatem równowaga Nasha. Ale jeśli gracz A wybiera dół, to gracz B wybiera zawsze lewa. Jeśli B wybiera lewa. to A wybiera zawsze dół. A więc też istnieje równowaga Nasha. Są dwie równowagi Nasha i prowadzi to do zamieszania. Musimy użyć więc strategii mieszanej. Chodzi tu o to, że gracze będą posługiwać się z pewnym prawdopodobieństwem strategią aktywną i pasywną. Gracz A z prawdopodobieństwem p stosuje strategię aktywną, a gracz B stosuje strategię aktywną z prawdopodobieństwem q. Oznacza to, że jeśli gracz A gra aktywnie, to dostaje z prawdopodobieństwem q zero (gdyż B stosuje z szansą q strategię aktywną) oraz z 1-q dostaje D (gdyż B stosuje z szansą 1-q strategię pasywną). Jeśli A gra pasywnie, to zawsze dostaje V, gdyż q*V +(1-q)*V = V. Jeśli gracz B aktywnie, to wszystko jest tak samo, lecz q zostaje zastąpione p. Należy zwrócić uwagę, kiedy używa się p, a kiedy q. A więc dla gracza A mamy:

Strategia aktywna: q*0 + (1-q)*D = D - q*D
Strategia pasywna: V.

Dla gracza B:

Strategia aktywna: p*0 + (1-p)*D = D - p*D
Strategia pasywna: V.

Gracz A stosuje strategię aktywną z prawdopodobieństwem p i pasywną z 1-p, lecz już przy danej strategii jego wygrana zależy od decyzji B, czyli prawdopodobieństwa q. Powstaje pytanie, ile musi wynieść p i q? Odpowiedź wydaje się logiczna. Wiadomo, że żadna strategia nie może być lepsza od drugiej, gdyż gracz zawsze by wybierał lepszą. Zatem wartość oczekiwana strategii aktywnej musi być równa wartości oczekiwanej strategii pasywnej. Weźmy gracza A:

D - q*D = V
q = (D - V)/D.

Dla gracza B:

p = (D - V)/D.

Stąd p = q.

W równowadze, gdy strategia aktywna jest równoważna pod względem wartości oczekiwanej strategii pasywnej, każdy gracz będzie dyskontował informacje z tym samym prawdopodobieństwem wynoszącym różnicę pomiędzy nadwyżkową stopą zwrotu a przeciętną stopą zwrotu podzieloną przez nadwyżkową stopę zwrotu.

Niech V = 100. Jeśli np. zysk w wyniku zdyskontowania istotnej informacji wynosi D = 1000, to p = (1000 - 100)/1000 = 0,9. Ale już przy D = 200, p = 0,5. A przy D = 100, p = 0, zaś przy D = 50, p = -1. Jak interpretować ujemne prawdopodobieństwo? Przypomnijmy, że założyliśmy, iż zmienna zarządzania Z = V. Jeśli więc zysk D jest mniejszy od kosztów zarządzania, to jest to to samo, co dopłacanie do rynku. Oznacza to, że aby inwestor dyskontował z jakąś szansą informacje, D > V.

Nasza dyskusja jest kluczowym momentem do zrozumienia, dlaczego rynki kapitałowe nie mogą być całkowicie efektywne, nawet jeśli wszyscy inwestorzy są równi i tak samo szybcy. Gracze - w równowadze - będą aktywnie dyskontować informacje na rynku efektywnym z prawdopodobieństwem (D-V)/D i będą grać pasywnie z prawdopodobieństwem 1 - (D-V)/D = V/D.

Jeśli częstość z jaką inwestorzy się zachowują jest znana, to jeśli trochę pomyślimy, dotrzemy do głębokiego wniosku. Jeśli mamy populację inwestorów, to (D-V)/D populacji będzie dyskontować informacje, a V/D jedynie grać pasywnie...

Teoria efektywnego rynku jest analogią teorii darwinowskiej, czyli teorii doboru naturalnego. Czytelnik sam to szybko zauważy, po przeczytaniu przytoczonego fragmentu pracy A. Łomnickiego: Ekologia ewolucyjna - 2008.

Proste rozumowanie wskazuje, że w sytuacji, gdy dwa osobniki walczą o ograniczone zasoby, na przykład gniazdo, samicę lub pokarm osobnik wygrywający powinien zostawić w przyszłych pokoleniach więcej swego materiału genetycznego, niż osobnik wykazujący tendencję do ustępowania. Zatem jeśli tendencja do ustępowania i tendencja, aby walczyć aż do wygranej lub do śmierci są genetycznie zdeterminowane, wówczas należy się spodziewać, że tendencja do ustępowania i wszelkie walki nie na serio, czyli typu konwencjonalnego powinny być już dawno wyeliminowane przez dobór. Jeśli akceptujemy takie rozumowanie, wówczas przyjmujemy też, że ustępowanie, unikanie konfliktów i wszelkiego rodzaju walki konwencjonalne nie mogły powstać drogą doboru naturalnego między osobnikami, ale jakimś innym sposobem. Konrad Lorenz w swych książkach sugerował, że takie zachowanie utrzymuje się, ponieważ jest dobre dla gatunku i zapobiega nadmiernej śmiertelności w wyniku agresji.
Za rozumowaniem Konrada Lorenza i wielu innych biologów myślących podobnie nie stał i nie stoi żaden opis mechanizmu doboru, który mógłby doprowadzić do powstania cech dobrych dla gatunku, a nie dla osobnika. Można stwierdzić, ze ograniczona agresja i walki konwencjonalne były w świetle Darwinowskiej teorii doboru naturalnego niezrozumiałe, a neodarwinizm z genetyką populacyjną też tych zjawisk nie tłumaczył. Była to wyraźna słabość biologii ewolucyjnej, która skończyła się, gdy do badania konfliktów między zwierzętami zastosowano teorię gier.


Łomnicki przedstawia w jaki sposób w ewolucji ukształtował się pewien podział na "agresorów" (jastrzębie) i "ustępujących" (gołębie). Zarówno jastrzębie jak i gołębie mogą współistnieć. Co więcej, muszą występować zarówno i ci, i ci. Zastosowana strategia jest właśnie tą, jaką tutaj zaprezentowaliśmy. Strategia ta nazywana jest strategią ewolucyjnie stabilną. Przytaczam kolejny fragment:

Strategia mieszana może być realizowana na dwa sposoby. Przy pierwszym sposobie, wszystkie osobniki w populacji mogą posługiwać się takim samym programem: z prawdopodobieństwem P bądź agresorem, zaś z prawdopodobieństwem (1 - P) bądź ustępującym. Przy sposobie drugim bycie agresorem lub ustępującym jest cechą zdeterminowaną genetycznie i dobór będzie prowadził do polimorfizmu zrównoważonego, czyli takiego, przy którym proporcja agresorów będzie równa P. (s. 1)

(...)ewolucyjnie stabilna strategia mieszana wyjaśnia częściowo zmienność genetyczną w naturalnych populacjach. Taką zmienność można sprowadzić do problemu zrównoważonego polimorfizmu genetycznego, czyli utrzymywania się w populacji w jednym locus dwóch lub więcej różnych alleli. Genetyka populacyjna tłumaczy polimorfizm genetyczny wyższym dostosowaniem heterozygot w stosunku do obu homozygot i doborem zależnych od częstości allelu, powodującym niższe dostosowanie formy bardziej pospolitej. Koncepcja mieszanej strategii ewolucyjnie stabilnej sugeruje jeszcze jeden powód doboru zależnego od częstości i tym samym utrzymywania się zmienności genetycznej przy założeniu, że strategia mieszana jest zdeterminowana genetycznie. (s. 4).

Jest to właśnie to o czym mówiliśmy. Częstość danej strategii może być używana przez naturę jako całość, bądź przez pojedyncze osobniki.

Wyobraźmy sobie, że populacja składa się tylko z gołębi. Nagle w wyniku mutacji pojawia się jastrząb. Jak to w przyrodzie, jednostki walczą ze sobą. Jastrząb wygrywa każdą potyczkę, co zwiększa szansę na pozostawienie potomstwa. Można byłoby krzyknąć, że gołębiom grozi zagłada! Załóżmy więc, że gołębie zostały zgładzone i zostały same jastrzębie. Doprowadzi to do wyniszczenia gatunku, gdyż każdy jastrząb ma taką samą szansę wygranej. Straty statystycznie będą większe od zysków (u nas byłby to koszt zarządzania większy od wygranej: D < Z). Nagle pojawia się mutacja w postaci gołębia. Biedaczyna nie ma szans, chociaż... jeśli statystyczna wygrana jest mniejsza od ceny przegranej gołębia, to okaże się, że gołąb będzie statystycznie zarabiał na przegrywaniu więcej niż jastrzębie! Skutkiem będzie wzrost liczebności gołębi. Okazuje się więc, że ze statystycznego punktu widzenia musi istnieć pewna proporcja gołębi i jastrzębi.

Na rynku efektywnym słabsi lub - co wychodzi na jedno - ustępujący gracze, powinni zostać wyeliminowani przez agresywnych i szybkich inwestorów. Wolniejsi nie zdołaliby zdyskontować informacji przed szybkimi, straciliby więc wszystkie pieniądze, bo to szybcy sprzedawaliby im lub odkupywaliby od nich. Ale widzieliśmy do czego prowadzi taka sytuacja. Zastępując gołębie graczami pasywnymi, a jastrzębie graczami aktywnymi, natura ekonomiczno-psychologiczna doprowadzi do współistnienia tych dwóch typów graczy.

Pasywny nie musi tu wcale oznaczać, że stosuje CAPM. Może oznaczać po prostu gracza, który ucieka z pola walki.

Jest dwóch graczy, którzy trzymają akcje. Dokupić czy sprzedawać? Chiken? Macierz jest podobna do tej pierwszej z małym wyjątkiem. 0 - gdy obaj dokupują. Windują cenę tak, że nikt od nich drożej nie odkupi, D - gdy dokupuje pod warunkiem, że drugi sprzedaje, V - gdy sprzedaje pod warunkiem, że drugi kupuje, V/2 - obaj sprzedają. W tym ostatnim przypadku siła podaży silnie zaniża cenę i obaj średnio zarabiają V/2. Oto macierz w tym przypadku:



Obliczmy p w równowadze (ze względu na symetrię macierzy p jest nadal równe q).

Dokupuje: p*0 + (1-p)*D = D - p*D
Sprzedaje: p*V + (1-p)*V/2 = p*V + V/2 - p*V/2

D - p*D = p*V + V/2 - p*V/2
p = (D - V/2)/(D + V/2).

A więc też bardzo ładny wynik.

Zakładamy istnienie trendu zwyżkującego. Aby zaistniała równowaga jeden z nich musi ustąpić - sprzedać, aby drugi mógł kupić. Jest to ważne, gdyż w następnej rozgrywce mogą się zastąpić miejscami. Tak tworzą trend.

Nie znaczy to, że muszą całkowicie nie zgadzać się co do tego czy będą w najbliższym czasie wzrosty czy spadki. Jeśli gracz A ma horyzont krótkoterminowy, a gracz B długoterminowy, to obaj mogą rozumować nieco innymi kategoriami. Inną możliwością wymiany a nie konkurencji, jest to, że gracz, który ma większy kapitał lub też dłużej trzyma dane akcje, więcej na nich zarobił i może być bardziej skłonny do sprzedaży akcji pomimo, iż może zgadzać się, że warto ciągle je kupować. Nawet jeśli prawdopodobieństwo dalszych zwyżek wynosi więcej niż 50:50 i tak będzie odczuwał pokusę realizacji zysków. Co więcej, będzie miał rację, bo w przeciwnym wypadku, jeśli wielu będzie takich jak on, którzy nie zdecydują się na sprzedaż, to nastąpią spadki. Jeśli jednak wielu się zdecyduje na sprzedaż, wtedy lepiej dokupować, a wygrana D gwarantowana. Statystycznie należy raz ustąpić, raz nie.

Tak, udało się. Rozwiązaliśmy paradoks rynku efektywnego. Rynek staje się fraktalny, czyli ułamkowo efektywny, gdyż tylko część graczy będzie dyskontować w pełni informacje (na przykład o istnieniu trendu - na efektywnym rynku trend powinien natychmiast zniknąć, gdy wszyscy się o nim dowiadują) lub też wszyscy będą dyskontować informacje z pewnym prawdopodobieństwem. Ta część lub to prawdopodobieństwo zależy od maksymalnej wygranej i od przeciętnej wygranej i można je łatwo obliczyć. Świadczy to o tym, że na giełdzie nie warto maksymalizować zysków za wszelką cenę.

Źródło:

1. A. Łomnicki, Ekologia ewolucyjna - 2008. Strategia ewolucyjnie stabilna,
2. T. Rostański, M. Drozd, Teoria gier, 2003.


................................................................................

We wpisie "Jak powstają cykle i podcykle? Ułamkowość jest wszędzie. Część piąta": http://gieldowyracjonalista.blogspot.com/2009/10/jak-powstaja-cykle-i-podcykle-uamkowosc.html napisano:

Przede wszystkim należy zauważyć, że zbiorowość jako pewna zorganizowana struktura tworzy się dlatego, że siła (użyteczność) zbiorowości jest wyższa niż siła (użyteczność) sumy jednostek ją tworzących. Pod tym względem rzeczywiście rynek zdobywa siłę, kształtuje się trend. To jest to, o czym pisałem w drugiej części cyklu, że inwestorzy niejako sami się racjonalizują. Aby utrzymać organizm przy życiu komórka musi współpracować z innymi komórkami.


Wcześniej, w "Jak powstają cykle i podcykle? Część druga": http://gieldowyracjonalista.blogspot.com/2009/08/jak-powstaja-cykle-i-podcykle-czesc.html stwierdzono:

Rynek kapitałowy jest ograniczony pewną ilością kapitału w danym przedziale czasowym. Musi "racjonalizować" tę ilość, czyli wykorzystywać kapitał jak najwydajniej. Choć zabrzmi to bardzo ezoterycznie, "coś" zmusza inwestorów do zachowania ograniczonej racjonalności. Ekonomicznie może być to ograniczony horyzont czasowy, a psychologicznie - pokusa kupna lub sprzedaży. Połączenie homo oeconomicusa i człowieka nieracjonalnego daje pewną kombinację: człowieka ograniczenie racjonalnego.

Można zajrzeć:

1. http://gieldowyracjonalista.blogspot.com/2009/08/jak-powstaja-cykle-czesc-pierwsza.html
2. http://gieldowyracjonalista.blogspot.com/2009/08/jak-powstaja-cykle-i-podcykle-czesc.html
3. http://gieldowyracjonalista.blogspot.com/2009/09/jak-powstaja-cykle-i-podcykle.html
4. http://gieldowyracjonalista.blogspot.com/2009/09/jak-powstaja-cykle-i-podcykle-giedowy.html
5. http://gieldowyracjonalista.blogspot.com/2009/10/jak-powstaja-cykle-i-podcykle-uamkowosc.html
6. http://gieldowyracjonalista.blogspot.com/2009/10/jak-powstaja-cykle-i-podcykle-czesc_18.html

Teraz wszystko zaczyna łączyć się w jedną całość. Dotąd brakowało tego budulca w postaci teorii gier, która rozwiązuje problem racjonalności i efektywności rynku.

poniedziałek, 19 października 2009

Jak powstają cykle i podcykle? Część szósta i ostatnia.

Dlaczego w ogóle mówię o chaosie? Przecież miało być o cyklach giełdowych!
To pytanie można byłoby też odwrócić: Jak to może być, że trajektorie chaotyczne charakteryzują się cyklicznością? Przecież chaos wyklucza porządek, tj. cykliczność!

Jeśli chodzi o pierwsze pytanie, to warto podkreślić, że nowoczesna teoria cykliczności uległa w ostatnich dziesięcioleciach drastycznej przemianie.
"Coraz lepiej zdajemy sobie sprawę z tego, że w świecie zjawisk zachodzących wokół nas, na wielu poziomach budowy materii i w rozmaitych skalach czasu, przebiegają procesy porządkowania i niszczenia porządku. Na razie wiedza o tych procesach jest niepełna i mało dokładna, dlatego w tej dziedzinie wiele jest jeszcze do zbadania i naukowcy będą przez wiele lat mieli co robić. Jednak już teraz wiemy, że Wszechświat na pewno nie jest podobny do kartezjańskiego zegara, w którym czas płynie jednostajnie i może być traktowany jako absolutny zewnętrzny parametr, porządkujący stany w istocie podobne do siebie. Poszukując metafory bardziej odpowiedniej i bogatszej powiedziałbym raczej [to znaczy nie ja, tylko autor cytatu], że Wszechświat bardziej niż zegar przypomina skomplikowaną symfonię, której melodię poznaliśmy dotąd bardzo wyrywkowo." [M. Tempczyk, Skale czasu układów dynamicznych, Zagadnienia Filozoficzne w Nauce, XXVIII-XXIX / 2001, s. 8].

W niedawnym czasie wiedza naukowców o o długookresowym działaniu naszego układu planetarnego znacznie się poszerzyła się. "W roku 1988 G.J. Sussman i J. Wisdom z MIT stosując komputery zbadali ruch planet w okresach czasu rzędu setek milionów lat i wykazali, że ruch Plutona jest chaotyczny z czasem charakterystycznym rzędu pięćdziesięciu milionów lat. Rok później J. Laskar z Bureau des longitudes zbadał dynamikę Układu Słonecznego w okresie dwustu milionów lat i wykazał, że ruch planet najbliższych Słońca, w tym także Ziemi, jest chaotyczny z okresem rzędu dziesięciu milionów lat. Laskar odkrył także, że ruch Wenus jest chaotyczny w stopniu umożliwiającym zmianę kierunku obrotu tej planety wokół osi. Ponieważ obecnie kręci się ona przeciwnie do ruchu obrotowego pozostałych planet, istnieje uzasadnione podejrzenie, że w ciągu swego istnienia zmieniała ona kilka razy kierunek obrotu."[M. Tempczyk, ibidem, s. 7].

Jak widzimy omawianie cykliczności w kontekście chaosu nie dotyczy tylko cykli giełdowych. Można byłoby powiedzieć, że sam czynnik ludzki - świadomość - potrafi zaburzyć nie tylko okresowość na rynkach, ale nawet cykle biologiczne i klimatyczne. Ale świadomość to po prostu pewna zmienna, którą można byłoby potraktować jako czynnik wymuszający chaos. Zmiennych może być jednak wiele i jak się okazuje mają one wpływ (choć dopiero po długim okresie czasu) na coś, co wydawałoby się całkowicie stabilne i tak ważne dla nas - ruch Ziemi. Jeśli więc ruch Ziemi jest chaotyczny, to czy można o nim mówić jako o periodycznym? Można, ale należy mieć na uwadze, że jest to ruch w przybliżeniu okresowy. Cykle giełdowe będą również istnieć - jednak w sposób ułamkowy.

Jeśli chodzi o drugie pytanie, to już częściowo na nie odpowiedziałem powyżej. Można powiedzieć, że cykle chaotyczne są "ułamkowe". Oznacza to, że są niestabilne - po pewnym czasie przestają istnieć, stają się "bardziej chaotyczne". Jednak istnienie niestabilnych orbit okresowych w nieliniowych układach dynamicznych jest faktem matematycznym. Dowód został przedstawiony na przykład w pracy doktorskiej Zbigniewa Galiasa, Analiza i przetwarzanie sygnałów chaotycznych, Kraków 1995).

Przede wszystkim należy wiedzieć, że typowa trajektoria odwiedza wszystkie części atraktora i przechodzi nieskończenie wiele
razy dowolnie blisko każdego punktu należącego do atraktora.
[Z. Galias, Analiza i przetwarzanie sygnałów chaotycznych, Kraków 1995, s. 19].

Jeśli więc znajdziemy trajektorię, która będzie przynajmniej kilka razy pod rząd, w tym samym czasie (czyli zgodnie z jakimś okresem) powracać bardzo blisko punktu startu, to możemy przyjąć, że jest to ruch okresowy. Nie jest to więc ruch stricte okresowy, czyli taki, że punkt końcowy-powrotny idealnie łączy się z punktem startu. Można by powiedzieć, że mamy tu ruch quasi-okresowy (prawie okresowy). Ruch quasi-okresowy jest czymś pomiędzy ruchem całkowicie okresowym a chaotycznym. Quasi-okresowa orbita różni się tym od chaotycznej, że jeśli znamy na nią wzór, to w każdym momencie możemy przewidzieć jej położenie i nie ma czegoś takiego jak wrażliwość na warunki początkowe. Quasi-okresowa orbita jest specyficznym złożeniem orbit okresowych. Przykładem jest f = cos(2^(1/2)*x) + cos(x). Na dole mamy wykres tej funkcji.



Jeśli otoczenie danego punktu trajektorii będzie wystarczająco małe i odległość pomiędzy dwiema quasi-okresowymi trajektoriami będzie mniejsza od średnicy tego otoczenia, to możemy spokojnie przyjąć, że te dwie trajektorie odpowiadają tej samej trajektorii okresowej. Jeśli dysponujemy nieskończenie długim ciągiem próbek pochodzących z trajektorii odwiedzającej wszystkie części atraktora to zmniejszając średnicę otoczenia będziemy znajdować coraz więcej orbit okresowych zanurzonych w dziwnym atraktorze. W praktyce jednak dysponujemy ciągiem skończonym. Wybierając zbyt małe otoczenie nie wykryjemy istnienia orbit okresowych, zwłaszcza tych, które leżą w rzadziej odwiedzanych częściach atraktora. Wybór zbyt dużej wartości średnicy otoczenia spowoduje, że nie znajdziemy wielu z dłuższych orbit okresowych, które leżą blisko orbit krótszych. [Op. cit. Z. Galias, ibidem, s. 26].

Poniżej przedstawiono przykład znalezionej orbity okresowej w układzie Lorenza (wynika z twierdzenia Pilarczyka, 2000).



Poniżej przedstawiono przykład wybranych orbit okresowych odwzorowania Henona (rys. z Z. Galias, ibidem, 29). Są to tylko punkty - jest to bowiem odwzorowanie dyskretne.



Okazuje się, że najłatwiej odkrywać orbity okresowe za pomocą odwzorowań Poincarego - na mapach Poincarego. Wtedy bowiem skupiamy się jedynie na punktach przecięcia trajektorii z pewną płaszczyzną. Jeśli obserwujemy, że punkty powrotne po określonym czasie znajdują się w małym dozwolonym otoczeniu, otrzymujemy orbitę okresową.

Mapa Poincarego pozwala także lepiej zrozumieć fraktalność atraktora chaotycznego. Ponieważ każda trajektoria przechodzi nieskończenie wiele razy dowolnie blisko każdego punktu należącego do atraktora, mapa będzie bardzo "zwartym" obiektem. A jednak, jeśli obiekt ten leży na płaszczyźnie, to ze względu na brak ciągłości pomiędzy punktami, nie będzie on posiadał dwóch wymiarów, choć intuicyjnie powinien. Na przykład atraktor Henona, który wcześniej przedstawiałem, posiada wymiar fraktalny (ułamkowy) wynoszący ok. 1,28. Pomimo, że trajektoria chaotyczna może być ruchem całkowicie ciągłym, to już ze względu na to, że mapa Poincarego posiada wymiar ułamkowy, atraktor chaotyczny zanurzony w trójwymiarowej przestrzeni fazowej, nie będzie posiadał wymiaru rzędu 3, ale pomiędzy 2 a 3 (jeśli bowiem byłby trójwymiarowy, obraz płaszczyzny rozcinającej go w pewnym miejscu powinien mieć dokładnie dwa wymiary). Na przykład atraktor Lorenza posiada wymiar fraktalny ok. 2,06 (tak mało, bo te jego listki są prawie dwuwymiarowe). Jeśli rozpatrujemy rynki kapitałowe, to prawdopodobnie pierwszym, który odkrył istnienie atraktorów chaotycznych jest E. E. Peters, który w książce "Teoria chaosu a rynki kapitałowe" opisuje swoje wyniki i tak: dla S&P 500 wymiar fraktalny wynosi 2,33. Dla MSCI Niemcy 2,41, dla SCI Wielka Brytania 2,94 oraz dla MSCI Japonia 3,05. Oznacza to, że dla trzech pierwszych rynków ruch trajektorii można modelować za pomocą trzech zmiennych, a ostatni japoński rynek za pomocą czterech zmiennych.

Przypomnę, że przedstawiony na tym blogu model składa się z trzech zmiennych: nastroju (chciwość, strach), niezdecydowania (niepewności) oraz czynnika fundamentalnego ("przyspieszenia" lub "opóźnienia" kapitału). Zauważmy, że całą przestrzeń fazową tworzą ogólnie dwa czynniki: psychologiczny i fundamentalny, przy czym pierwszy dzieli się na nieracjonalny (ograniczenie racjonalny) i racjonalny.

Wynika z tego, że nasz model można przystosować do faktycznej rynkowej trajektorii (z wyjątkiem rynku japońskiego), gdyż atraktor o mniej niż trzech wymiarach można zanurzyć w przestrzeni fazowej o trzech zmiennych.

Fraktalność atraktora można w pewnym sensie przełożyć na fraktalność szeregu czasowego pewnej zmiennej trajektorii. O ile fraktalność atraktora jest przestrzenna, o tyle fraktalność szeregu czasowego jest czasowa. Z punktu widzenia realizacji procesu stochastycznego, rozkład prawdopodobieństwa jest w każdej skali czasowej taki sam. Jednostki czasu możemy przecież dowolnie dobierać - i to właśnie stąd wynika. Jeśli więc wyobrazimy sobie atraktor miesięcznej stopy zwrotu, to teoretycznie atraktor tygodniowej stopy zwrotu powinien być identyczny. Wykresy dzienne i tygodniowe cen akcji powinny być nieodróżnialne od miesięcznych. Rzeczywistość okazuje się jednak bardziej skomplikowana - dla dziennych i tygodniowych stóp zwrotu wykresy są dużo bardziej poszarpane i nieprzewidywalne niż dla miesięcznych stóp zwrotu (Por. Peters, ibidem, s. 113). Realny proces na giełdach nie jest więc w pełni samopodobny. Z czego to wynika? Dodatnia korelacja pomiędzy dziennymi stopami zwrotu jest mniejsza niż korelacja pomiędzy tygodniowymi stopami zwrotu, a ta jeszcze mniejsza niż pomiędzy miesięcznymi stopami zwrotu. Widocznie dzienne stopy zwrotu mają większą skłonność do powrotów do średniej. Z czasem jednak korelacja pomiędzy miesięcznymi zwrotami stabilizuje się, tak że jedno, kilku-, kilkunasto- i kilkudziesięciomiesięczne wykresy stają się statystycznie nierozróżnialne. W końcu, po wielu miesiącach, korelacja (pamięć rynku) zaczyna spadać do zera.

Doszliśmy wreszcie do końcowego praktycznego wniosku. Wykrywanie orbit okresowych w układach chaotycznych umożliwia tzw. stabilizację orbit, czyli sterowanie układów chaotycznych. Skoro można znaleźć trajektorię okresową o co najmniej kilku zmiennych, to tym bardziej można znaleźć trajektorię o jednej zmiennej, tzn. okresowy szereg czasowy. Jeśli tę zmienną stanowi stopa zwrotu, to znaleźliśmy swego rodzaju cykl giełdowy. Dzienna stopa zwrotu będzie zawierać większy szum i nie znajdziemy widocznej okresowości. Jednak coraz większe "otoczenie czasowe" pozwoli wykryć coraz lepiej dodatnio (nieliniowo) skorelowane stopy zwrotu.

Można powiedzieć, że Peters wykrył takie "orbity okresowe". Badał on różne rynki kapitałowe, biorąc za okres 1 miesiąc. Jego wyniki są następujące: w USA tracimy zdolność do prognozowania po ok. 4 latach (48 miesięcy), dla Wielkiej Brytanii pamięć rynku wynosi 36 miesięcy, a Japonii 44 miesiące. Z kolei z analiz N. Siemieniuka w pracy "Fraktalne właściwości polskiego rynku kapitałowego" wynika, że polski rynek kapitałowy tracił pamięć po 218 tygodniach, czyli 55 miesiącach. Ze względu na mniejszą liczbę danych autor brał za okres tydzień. Można więc sobie wyobrazić, że miesięczna lub tygodniowa stopa zwrotu posiada trajektorię, która jest okresowa przez czas odpowiedni dla wybranego rynku, przebywając w pewnym "skorelowanym" obszarze. Po tym okresie destabilizuje się - przechodzi w całkowity chaos. Można byłoby powiedzieć, że początkowo raczej jest to trajektoria quasi-okresowa, bo wykryte cykle są cyklami przeciętnymi na przestrzeni lat i trudno mówić tu o pełnej periodyczności.

niedziela, 11 października 2009

Jak powstają cykle i podcykle? Ułamkowość jest wszędzie. Część piąta

Dzisiejszy artykuł odwołuje się do wszystkich poprzednich części serii "Jak powstają cykle?" Poszukujemy uogólnionych czynników wpływających na ruchy cen akcji i wykorzystamy do tego wiedzę z poprzednich artykułów.

W pierwszej części artykułu "Jak powstają cykle?" pojawiał się często termin "preferencja" i "niepewność". Niepewność była wówczas rozumiana jako niezdecydowanie (a nie jako ryzyko). Należy zwrócić uwagę, iż pomimo związanego z tymi terminami subiektywizmu, ani "preferencja", ani "niepewność" nie niosą ze sobą zabarwienia emocjonalnego. Wprawdzie niezdecydowanie może wynikać ze sprzecznych emocji, ale równie dobrze z braku lub sprzeczności informacji (chyba że tymi informacjami są emocje).

Z drugiej strony od trzeciej części niniejszego cyklu przewija się wątek emocjonalny, gdzie chciwość i strach motywują do działania. Strachu nie należy mieszać z niepewnością. Strach jest lustrzanym odbiciem chciwości. Chciwość i strach są niemal tym samym. Anthony de Mello w książce "Przebudzenie" stwierdza, że pożądanie wynika w rzeczywistości ze strachu. Chciwość jest więc wtórna w stosunku do strachu. Jeśli czegoś (emocjonalnie) pragniemy, to prawdopodobnie dlatego, że się porównujemy z innymi. Jeśli czegoś nie posiadamy, co inni posiadają, a tego pragniemy, to czujemy się gorsi, co wywołuje lęk. A to jest źródłem chciwości. Ktoś powie: no jakże, przecież nauka ekonomii nie istniałaby, gdyby nikt nie chciał więcej niż ma. To prawda. Są wprowadzone do ekonomii pewne postulaty, na przykład, że im większy budżet, tym lepiej. Są też dobra nazywane dobrami pożądanymi - to te, które chcemy, czyli preferujemy. Jednak zwykłym ludziom trudno odróżnić tzw. preferencje od pożądania czegoś. Ekonomia mówiąc o preferencjach, stanowi jedynie o wyborze czegoś zamiast czegoś innego, szerzej - o wyborze ilości danego dobra względem ilości drugiego dobra. Celem jest maksymalizowanie użyteczności (i jednocześnie to jest definicja racjonalności). Nie mówi w ogóle o emocjach (a pożądanie to emocja). Dobro pożądane to tylko nazwa, nic więcej, wręcz myląca. Lepiej mówić o dobrach preferowanych i niepreferowanych. Ekonomia mówi o dążeniu jednostki do szczęścia, ale to szczęście może być opacznie rozumiane.

Świetne zrozumienie tej różnicy przychodzi po przeczytaniu "Przebudzenia". W jednym fragmencie de Mello odnosi się do czytelnika:

"Sądziłeś, ze szczęście to ekscytacja i dreszcze. Nieprawda, one tylko powodują depresję. Czy nikt ci o tym nie mówił? Jesteś podekscytowany, dobrze, ale właśnie torujesz sobie drogę do następnej depresji. Przy okazji w ten sposób pielęgnujesz kryjący się w tobie lęk."

Przychodzi tu niemal natychmiastowe skojarzenie z wahadłem, którego jeden silny ruch nieuchronnie prowadzi do ruchu w przeciwnym kierunku.

Gracze giełdowi, którzy szukają wrażeń, szybko wypadają z gry. W takim tonie wyraża się A. Elder (z zawodu psychiatra) w książce "Zawód-inwestor giełdowy". Podkreśla to również B. Graham w "Inteligentnym inwestorze". Często słyszy się też o maklerach, którzy dążą do szybkich pieniędzy i szybkiej kariery, lecz żyją w tak dużym napięciu, że po paru latach kompletnie wypalają się.

Paradoks polega na tym, że emocje mogą stać się również dobrem(!) Formalnie jednostka może wybierać tyle i tyle chciwości, tyle i tyle strachu. Brzmi to niedorzecznie, ale z ekonomicznego punktu widzenia nie ma przeszkód. Żywym przykładem mogą być aktorzy filmowi, którzy wywołują u siebie różnorakie stany emocjonalne. Wiedzą oni dobrze, że nie mogą to być zbyt słabe stany, żeby ich rola nie była zbyt "płaska", ale też nie mogą być skrajne, bo prowadzi to do przesady. To czy są to rzeczywiście jakieś emocje, czy tylko udawanie, pozostawiam na boku.

Problem polega na tym, że silne emocje prowadzą bardzo często do popełniania błędów przy różnych decyzjach. Wynika z tego, że jednostka dążąca do silnych emocji preferuje popełniać błędy. Oczywiście popełnianie błędów jest efektywne, gdy prowadzi do uczenia się czegoś. Ale w tym przypadku celem nie jest uczenie się, ale właśnie samo popełnianie błędów, co staje się coraz bardziej niedorzeczne. Co więcej, popełnianie błędów w niektórych sytuacjach musi prowadzić do nieracjonalności. Załóżmy, że człowiek jest pod wpływem silnej emocji i podejmuje jakąś decyzje, ale wiadomo jednocześnie, że gdyby tych emocji nie było, podjąłby inną decyzję. Emocje nie wpływają na obiektywną sytuację, w jakiej znajduje się ta osoba, a jednak zmienia ona preferencje tylko w zależności od tego, czy emocje nią rządzą czy nie. Oznacza to niespójność preferencji, wręcz nielogiczność - co jest właśnie błędem - a więc brak racjonalności.

Ale i z tej opresji można jakoś wyjść. Ten nieracjonalny człowiek powie po prostu, że on preferuje być nieracjonalnym... W sumie czemu nie, tylko pytanie, czy rzeczywiście nie staje się on wtedy racjonalny. Można więc zadać pytanie czy zachodzi następujące paradoksalne twierdzenie:
jeśli ktoś preferuje być nieracjonalny, to zawsze będzie racjonalny.

Gdyby to twierdzenie było prawdziwe, prowadziłoby do niezłego zamieszania. Jeśli ktoś chce być nieracjonalny, to posiada względem siebie pewną preferencje, zgodnie z którą dokonuje decyzji, a więc paradoksalnie staje się racjonalny. Jeśli jednak pragnie nieracjonalności, a staje się racjonalny, to nie spełnia swoich preferencji i staje się tym samym nieracjonalny. Ale jeśli staje się nieracjonalny, to paradoksalnie faktycznie "udaje" mu się spełnić preferencje w postaci bycia nieracjonalnym... itd.

Jak widać konieczne jest powołanie do życia człowieka ograniczenie racjonalnego. Taki człowiek jest ułamkowo racjonalny, ma jakieś preferencje, ale nie maksymalizuje do końca swojej użyteczności. Ciągle tkwi w niezdecydowanym stanie na granicy racjonalności i nieracjonalności. Ale nie jest to człowiek nieracjonalny.

Przejdźmy od jednostki do zbiorowości. W części drugiej niniejszego cyklu starałem się, wykazać, że jednostki są niejako zmuszane przez rynek do zachowania ograniczenie racjonalnego. Spróbuję to przedstawić jeszcze ściślej. Załóżmy, że każdy inwestor jest w pełni racjonalny i dyskontuje każdą ważną rynkową informację. Widzieliśmy, że prowadzi to do sytuacji, że rynek staje się zupełnie nieprzewidywalny, kolejne stopy zwrotu stają się nieskorelowane, losowe. I znów paradoks: gdyby rzeczywiście każdy inwestor reagował na każdą informację, to między innymi skrupulatnie dokonywałby operacji statystycznych. A więc testy statystyczne wykazywałyby, że nie da się przewidzieć przyszłości. Obserwując takie dane nie byłoby sensu grać na giełdzie, jeśli posiadamy awersję do ryzyka (co jest cechą w sumie rozsądną, inaczej mówilibyśmy o naiwności graczy, a to "pachnie" nieracjonalnością - taki gracz szybko wypadłby z gry, a przecież nie preferuje takiej sytuacji). No chyba, że ktoś byłby nieracjonalny, co przeczy początkowemu założeniu. A więc następuje zahamowanie handlu. A jednak handel nie ustaje. To więc już dowodzi, że inwestorzy nie są w pełni racjonalni (niezależnie od tego czy stopy faktycznie są losowe, czy nie). Są więc co najwyżej ograniczenie racjonalni.

Powyższe "co najwyżej" można usunąć. Gracze nigdy nie będą całkowicie nieracjonalni, właśnie z tego powodu, który został wyżej przytoczony - zawsze można jakoś tłumaczyć swoje zachowanie i we własnych oczach pozostawać w miarę racjonalnym.

Są książki, w których stawia się tezy, że zbiorowość uczestników rynku jest w ogóle nieracjonalna. Taką tezę spotkamy na przykład u Tony'ego Plummera w "Psychologii rynków finansowych". Plummer stwierdza, że człowiek ma dwoistą naturę. "Z jednej strony każdy ma skłonność do postępowania samodzielnego i indywidualnego, zwaną również tendencją asertywną, z drugiej zaś każdego cechuje również tendencja integracyjna, w wyniku której powstaje pragnienie przynależenia do zbiorowości. Jako członkowie zbiorowości ludzie zachowują się inaczej niż postępowaliby w pojedynkę." Przyczyna tego ma być głęboko ukryta w naturze; w przyrodzie wszystko ma być wzajemnie uwarunkowane. "Jak wykazał Erich Jantsch [The Self-Organising Universe, Pergamon, Oxford 1980], wychodząc od ustaleń fizyki kwantowej, cała przyroda składa się z wielopoziomowych struktur. Każdy poziom w tej hierarchii jest w stanie organizować niższe poziomy i wykorzystywać je dla swoich celów. W konsekwencji, każdy poziom posiada zdolność zachowywania własnej tożsamości, pomimo zmian swoich indywidualnych składników."
Ludzie więc tworzą zbiorowość, która stanowi nową jakość, nowy organizm, posiada własny "umysł", zdolność do samoorganizacji. "Istotną cechą każdego systemu posiadającego zdolność organizowania się - niezależnie od tego, czy będzie to zbiorowość, czy organizm żywy - jest fakt jego oscylowania w czasie przekazywania energii i informacji. Oscylacje te kształtują cykl życia zbiorowości: narodziny, dojrzałość i śmierć.

"Zbiorowość powstaje w wyniku pewnej zmiany wywołanej przez określoną informację oraz dzięki swej zdolności do zorganizowanej reakcji na tę zmianę." "Podczas fazy rozwoju zbiorowość wykazuje pełną zdolność do zachowania swojej integralności, nawet w obliczu nieprzyjaznego otoczenia."

"W okresie swej dojrzałości zbiorowość zaczyna jednak interesować się głównie własną egzystencją, przez co staje się mało elastyczna. Zdobywa poczucie pewności siebie, pławi się w blasku swych osiągnięć i dąży do kontrolowania twórczych poczynań swoich członków."

"W końcu okazuje się, że na skutek owej sztywności struktury zbiorowość nie jest już w stanie przystosowywać się do zmian otoczenia. Oczekiwania zbiorowości nie zmieniają się i w coraz większym stopniu okazują się rozbieżne z rzeczywistością. Wówczas zaczyna się rozpad, którego oznakami są wewnętrzne spory (...) W końcu przychodzi wstrząs, który doprowadza do całkowitego rozpadu zbiorowości. Jej cykl życiowy w ten sposób domyka się, a należące do niej jednostki mogą stać się członkami innych zbiorowości. A zatem mamy tu do czynienia z ciągłym procesem odradzania się, w którym po śmierci przychodzą narodziny." (Op. cit. T. Plummer, Psychologia rynków finansowych. U źródeł analizy technicznej, s. 10, 29-31.)

Pod względem nauki o kształtowaniu się zbiorowości i złożonych struktur, warto przeczytać tę książkę. Ale czy to rzeczywiście można przenieść na ruchy akcji? Przede wszystkim należy zauważyć, że zbiorowość jako pewna zorganizowana struktura tworzy się dlatego, że siła (użyteczność) zbiorowości jest wyższa niż siła (użyteczność) sumy jednostek ją tworzących. Pod tym względem rzeczywiście rynek zdobywa siłę, kształtuje się trend. To jest to, o czym pisałem w drugiej części cyklu, że inwestorzy niejako sami się racjonalizują. Aby utrzymać organizm przy życiu komórka musi współpracować z innymi komórkami.

Jednak istnieje tu maleńka różnica, która sporo zmienia. Ta komórka, która częściowo tworzy organizm komunikuje się z innymi komórkami i dokładnie "wie", co zrobią inne. Jednocześnie sama jest od nich zależna. W społeczeństwie też od siebie zależymy. Kiedy idę do sklepu, wiem mniej więcej co zastanę i łatwo mogę przewidzieć, jak zachowa się wobec mnie ekspedient. On też łatwo może przewidzieć, co zrobię, to znaczy, że coś kupię, podejdę do kasy i wypłacę pieniądze. Społeczeństwo tworzymy, aby zwiększyć globalną użyteczność, ale jest to możliwe tylko wtedy, gdy następuje pewna synchronizacja pomiędzy jednostkami. Synchronizacja wiąże się z możliwością przewidywania tego, co zrobi druga jednostka.

A jak to jest na rynku kapitałowym? To rzeczywistość, w której jeden chce przechytrzyć drugiego. Oczywiście istnieją małe społeczności, które faktycznie sobie próbują pomóc, dostarczając różnych informacji (przykładem są fora internetowe). Ale ze względu na elektroniczną więź, siła tych społeczności jest słaba i nie ma (raczej) wpływu na ceny aktywów. W przeciwieństwie do faktycznych zorganizowanych zbiorowości, zbiorowość rynkowa jest niepewna tego, co zrobią jej członkowie.

Plummer stwierdza na początku, że ludzie mają w sobie sprzeczne tendencje do zachowania indywidualizmu i konformizmu. Można się w pełni z tym zgodzić. Ale konformizm czy inaczej tendencje integracyjne nie mogą przyćmiewać - jeśli chodzi o graczy giełdowych - tendencji asertywnych. Należy więc raczej mówić o kombinacji obydwu czynników.

Dlaczego więc trend się ustala? Pomijając czynniki fundamentalne, ludzie zachowują się podobnie, stosują podobne heurystyki, przeżywają podobne emocje, ponieważ są podobnie skonstruowani. Niektórzy szybciej się dostosowują do sytuacji na rynku, inni wolniej. Kiedy zacznie się ruch w danym kierunku, to ci szybsi będą znowu spekulować kolejny wzrost, a wolniejsi znowu po nich. W ekonomii wymieniane są dwa rodzaje okoliczności, gdy popyt rośnie, gdy cena rośnie. W pierwszym przypadku mówi się o tzw. popycie niefunkcjonalnym, który wynika z oddziaływania tzw. efektów zewnętrznych na użyteczność. Oznacza to, że użyteczność danego dobra może się zmieniać w zależności od zachowania się innych konsumentów. Jednym z zachowań nabywców jest wtedy efekt owczego pędu, który oznacza, iż popyt na dane dobro wzrasta dlatego, że inni konsumują to dobro. W drugim przypadku mówi się o tzw. popycie spekulacyjnym, który wiąże się z oczekiwaniami co kształtowania się cen w przyszłości. [R. Milewski, Podstawy ekonomii, W-wa 2002, s. 99]. Często ludzie mylą efekt owczego pędu z popytem spekulacyjnym. Pomiędzy nimi jest jednak znacząca różnica: efekt owczego pędu jest zjawiskiem emocjonalnym, zachowaniem co najwyżej ograniczenie racjonalnym; popyt spekulacyjny jest zachowaniem wykalkulowanym i może być całkowicie racjonalny. Łatwo się domyślić, że nie jest możliwe odróżnić jeden typ od drugiego, nie tylko na giełdzie. Każdy nabywca może odpowiedzieć, że to kupno było wykalkulowane, oszukując nie tylko pytającego, lecz także samego siebie.

Teraz możemy połączyć, to o czym powiedzieliśmy. Mamy już racjonalny czynnik w postaci niepewności, ograniczenie racjonalny czynnik w postaci chciwości (strachu). Każdy z tych czynników odniesiemy do zbiorowości rynku.

Na początku naszą giełdową przestrzeń fazową będą tworzyć dwie zmienne: na osi poziomej chciwość (po stronie ujemnej - strach) oraz na osi pionowej niepewność. Dostaniemy ten sam obraz cyklu granicznego, który dotyczył wahadła.



Na rynku panują równoliczne grupy A (popyt), B (0) i C (podaż). Coś sprawia, że kurs idzie w górę. Jest to impuls dla grupy B, aby rozpocząć efekt owczego pędu bądź popyt spekulacyjny. Niech "chciwość" będzie utożsamiona z zachowaniem grupy B. Zatem z punktu, w którym oś chciwości jest równa zeru, a oś niepewności jest maksymalna, B przesuwa się w kierunku wzrostu chciwości, co powoduje spadek niepewności. Gracze stopniowo zmieniają swoje preferencje, dostosowując je do sytuacji na rynku. Zauważmy, że zmieniają je pod wpływem emocji. W końcu chciwość jest tak wielka (stopa zwrotu też), że przyćmiewa całkowicie niepewność, która równa się 0. Ale zaraz potem niepewność znowu wzrasta, lecz w kierunku przeciwnym, co powoduje, że chciwość maleje. Stopa zwrotu ciągle jest dodatnia, ale spada. W końcu niepewność znowu osiąga max, a chciwość spada do zera. Jest to moment, gdy chciwość = strach, a stopa zwrotu jest zerowa. Od tej chwili następują spadki na giełdzie, a niepewność maleje. W końcu strach jest maksymalny i niepewność zerowa. Następnie ujemna stopa zwrotu maleje, a niepewność wzrasta. W końcu strach znów zrównuje się z chciwością, a stopa zwrotu powraca do zera. Cykl zaczyna się od początku.

Jeśli ten cykl graniczny umieścimy w wymiarze czasowym, to powstanie spirala w trzech wymiarach. Z punktu widzenia jednej ze zmiennych, na przykład chciwości, dostaniemy szereg czasowy, którego wykres jest po prostu sinusoidą:



Uważny czytelnik zauważył, że zrównaliśmy poziom chciwości ze stopą zwrotu. Inaczej mówiąc poziom chciwości utożsamiamy z wielkością zmiany kapitału na rynku. Dlaczego? Ponieważ poziom chciwości jest proporcjonalny do oczekiwanej stopy zwrotu przez uśrednionego gracza. Im większą oczekuje stopę zwrotu, tym (chętniej) więcej włoży kapitału w inwestycję.

Chciwość możemy również potraktować nie jako stopę zwrotu, ale jako warunkową oczekiwaną stopę zwrotu (warunkową wartość oczekiwaną stopy zwrotu). Wtedy model staje się uogólnieniem modelu rynku efektywnego - dla rynku efektywnego chciwość = strach = 0 (brak emocji, pełna racjonalność). Jedynie panuje maksymalna niepewność, a więc warunkowa oczekiwana stopa zwrotu = 0.

Gdyby rzeczywiście tak przyjąć, to taki model byłby wystarczający. Jednak chcemy stworzyć model z rzeczywistymi zmianami, a nie tylko oczekiwanymi. Jeśli jednostki są ułamkowo racjonalne, to z pewnością nie będą się zachowywać jak nieracjonalna zbiorowość w sensie Plummera. Będą starać się wykorzystywać każdą możliwość, by zarobić, ale jednocześnie będą pod wpływem zachowań innych graczy. Gdyby byli taką Plummerowską zbiorowością, szybko zdyskontowaliby wiedzę o "narodzinach", "dojrzałości" i "śmierci" zbiorowości. Coś takiego jest iluzją. Jeśli już mówić o istnieniu pewnej zorganizowanej struktury, to nie w sferze realnej, lecz abstrakcyjnej (istnieje niewidzialna nić połączeń pomiędzy jednostkami oparta na emocjach i heurystykach). Umożliwi to model chaotyczny. Założymy, że ruch cen akcji odbywa się w czasie ciągłym. Wtedy musimy uwzględnić trzecią zmienną w przestrzeni fazowej, aby możliwe było wywołanie chaosu.

Niech trzecią zmienną stanowi czynnik fundamentalny. Wcześniej utożsamialiśmy ten czynnik z grupą D. W zależności od wielkości grupy D, wywoływała ona większy lub mniejszy impuls, który znowu stawał się efektem motyla dla grupy B. Czynnik fundamentalny możemy, podobnie jak to uczyniliśmy z "chciwością", określić jako zmianę wartości zmiany kapitału, czyli zmianę stopy zwrotu (dynamika kapitału zależy od ogólnej koniunktury gospodarczej). Analogią jest tu prędkość i przyspieszenie. Prędkość to zmiana drogi w czasie, przyspieszenie to zmiana prędkości w czasie, czyli zmiana tej zmiany drogi w czasie.

Jeśli więc trzy podukłady - zmiana wartości kapitału, zmiana wartości tej zmiany oraz niepewność nie będą ze sobą synchronizować, pojawi się ruch chaotyczny.

Nie wiadomo jednak, jak taki atraktor chaotyczny wygląda. Może przypomina dziwny atraktor wirnika? Poniżej przedstawiono dwa przykłady chaotycznych portretów fazowych (projekcji atraktora na wybrane osie współrzędnych) dla drgań wirnika z dwóch różnych perspektyw i odpowiadający przebieg czasowy jednej ze zmiennych.





[Rysunki wzięte z U. Ferdek, Wpływ zderzeń na drgania poprzeczne i skrętne wirników, Czasopismo techniczne, 1-M/2008, s. 93].

W następnym, czyli ostatnim odcinku z serii "Jak powstają cykle?" poruszymy meritum sprawy, tj. istnienie cykliczności i podcykliczności trajektorii w układach chaotycznych.

środa, 30 września 2009

Chwila oddechu. Dziwne atraktory i efekt motyla

Zanim przejdziemy do dalszych rozważań, obejrzyjmy efekt motyla w akcji oraz zobaczmy kilka atraktorów chaotycznych. Obrazków nigdy za wiele.

A jak ktoś chce, może sam skonstruować odwzorowanie Henona. Instrukcja w Excelu jest następująca:

1. W komórkach A1 oraz B1 umieszczamy wyjściowe wartości x i y mieszczące się między 0 a 1.
2. W komórce A2 wpisujemy następujące równanie: 1+B1-1,4*A1^2.
3. W komórce B2 wpisujemy równanie : 0,3*A1.
4. Kopiujemy A2 oraz B2 300 rzędów w dół lub więcej (im więcej, tym lepiej).
5. Sporządzamy wykres punktowy typu xy (kolumna A jako x, B jako y).

Na wykresie pojawia się odwzorowanie Henona. Zmieńmy teraz wyjściowe wartości x oraz y w komórkach A1 i B1. Wszystkie wartości uległy zmianie. A jednak wykres wygląda dokładnie tak samo. System jest przyciągany do tego samego kształtu - dziwnego atraktora.



Utwórzmy teraz drugi system Henona w kolumnach D i E z wartościami początkowymi różnymi o 0,01 od wartości początkowych z kolumny A i B. Nanieśmy kolumny A i D na wykres liniowy. (Op. cit. E. Peters, Teoria chaosu a rynki kapitałowe, W-wa 1997, s. 142-143). Co się dzieje?



Początkowo wszystko idzie dobrze, aż tu nagle coś się psuje. Sprzężenia zwrotne pomiędzy zmienną x i y będą powodować, że warunki początkowe będą coraz silniej oddziaływać na wartości zmiennej w kolejnych iteracjach.

Pamiętajmy, że odwzorowanie Henona jest bardzo proste. Łatwo teraz zrozumieć, jak silnie wyraża się efekt motyla w bardziej skomplikowanych równaniach.

Popatrzmy raz jeszcze (bo już kiedyś podawałem) na układ równań Lorenza, modelujący w możliwie najprostszy sposób zjawisko konwekcji termicznej w atmosferze (proces przenoszenia ciepła).



gdzie:

X - amplituda ruchu wywołanego konwekcją
Y - różnica temperatur pomiędzy prądami wstępującymi i zstępującymi
Z - odchylenie spadku temperatury od przebiegu liniowego.
Parametry stojące przy zmiennych są bezwymiarowe i wyrażają kombinację pewnych stałych fizycznych.

Atraktor Lorenza wszyscy znają - jego kształt przypomina motyla i stąd wzięła się nazwa "efekt motyla":



A sam efekt motyla ilustruje poniższy rysunek:



Gołym okiem patrząc, wydaje się, że warunki początkowe są identyczne - dla obu porównywanych trajektoriach "pionek" startuje od lewej strony. Różnica w warunkach wynosi tylko 0,00001 we współrzędnej x. Różnica ta rośnie wykładniczo (zgodnie z wykładnikiem Lapunowa), tak że po pewnym czasie pionek niebieski znajduje się w innym położeniu niż żółty (czas jest ten sam dla obu kolorów). Jednak za każdym razem system jest przyciągany do atraktora Lorenza (trajektorie zawijają się), więc obraz pozostanie ten sam.

Należy pamiętać, że i układ Lorenza jest bardzo prostym układem modelującym zjawiska astronomiczne, można rzec - prymitywnym.

"Jeżeli przyjmiemy, że odpowiednikiem klimatu jest statystyka położeń punktów na pewnym odcinku toru, to widać, że klimat ten jest w zasadzie zdeterminowany przez statystykę punktów na danym „liściu”. Przez większość czasu podlega on niewielkim wahaniom, na pewnych odcinkach w przybliżeniu okresowym. Od czasu do czasu następuje jednak nagły przeskok do zupełnie innego „klimatu” zdeterminowanego przez punkty drugiego „liścia”. Dzieje się to pod wpływem jedynie sprzężeń wewnętrznych, bez udziału czynników zewnętrznych! Odpowiednik tego zjawiska znany jest w paleoklimatologii w postaci nagłych zmian klimatu widocznych w śladach zachowanych w osadach z dawnych epok geologicznych. Gdybyśmy obejrzeli tory, których punkty startowe różniłyby się choćby dowolnie mało od punktu startowego toru przedstawionego na rycinie, okazałoby się, że tory te wprawdzie szybko się rozchodzą, lecz statystyki przez nie generowane są na ogół podobne, choć czasem zdarzają się niespodzianki – np. nieoczekiwany przeskok na drugi liść."(Op. cit. K. Haman, Naturalne i antropogeniczne przyczyny zmian klimatu, Nauka 1/2008, s. 121).

I na koniec 2 artystyczne dziwne atraktory w przestrzeni trójwymiarowej (zapożyczone ze strony http://wokos.one.pl/attractors.php:



sobota, 26 września 2009

Jak powstają cykle i podcykle? Giełdowy chaos. Część czwarta

Umysł ludzki nie znosi niepewności oraz ułamkowych sądów: niech coś będzie albo całkowicie losowe albo całkowicie deterministyczne. Jednak wiemy dziś, że prawda jest często ułamkowa: w świecie przyrody i na rynkach spotykamy chaos - proces całkowicie deterministyczny, a jednak wymagający stosowania procesów stochastycznych. Ani modele angażujące jedynie procesy stochastyczne, ani z góry narzucające determinizm, nie są w stanie uwzględnić wszystkich sytuacji na rynkach finansowych.

Chociaż w artykułach poświęconych analizie powstawania cykli przyjmowałem mniej lub bardziej ukryte założenia, starałem się zachować ową prawdę ułamkową. Nie używałem słowa chaos, zakładając, że kierunek rynku jest wyznaczony przez początkowe przypadkowe wahania. Istnieje jednak pewna analogia przedstawionego przeze mnie modelu do modelu chaotycznego, a mianowicie efekt motyla. Nikt nie jest w stanie zidentyfikować przyczyn mających jakieś subtelne źródło w głowach inwestorów. To jest nasz motyl, który jest postacią przypadkową, ale wywołuje nieprzypadkowy huragan (przypadkowe wydarzenie prowadzi do obrania przez giełdę konkretnego kierunku).

Zmiany stanu układu opisuje się w przestrzeni fazowej. Różne punkty tych stanów zakreślają trajektorię, nazywaną orbitą. Zbiór przyciągania trajektorii nazywa się atraktorem. Najprostszym typem atraktora jest atraktor punktowy. Najlepszym przykładem takiego atraktora jest wahadło, które porusza się coraz wolniej i w końcu zatrzymuje się w miejscu. Gdy otrzymuje ono początkowy impuls, zaczyna poruszać się do przodu i do tyłu, ale każde kolejne wahnięcie jest krótsze od poprzedniego, aż wreszcie ruch ustaje. Działanie wahadła jest określone dwiema zmiennymi: prędkością i położeniem. Jeśli którą z tych zmiennych naniesiemy na wykres jako szereg czasowy, otrzymamy falistą linię stopniowo wytracającą amplitudę, która w końcu zmniejszy się do zera i linia stanie się zupełnie płaska.



Jeśli przestrzeń fazową tego przedstawimy w układzie współrzędnych, gdzie na jednej osi zaznaczymy prędkość, na drugiej położenie, otrzymamy spiralną linię, która kończy się w początku układu - jest to miejsce, w którym wahadło zatrzymuje się.



Przyjmijmy, że tarcie nie spowalnia ruchu wahadła i że za każdym razem, gdy osiąga ono dany punkt swojej trajektorii, dostarczamy mu taki sam impuls energii. Wykres szeregu czasowego takiego wahadła będzie miał kształt sinusoidy, zaś portret fazowy jego ruchu będzie okręgiem. Ten typ atraktora nazywamy cyklem granicznym.





Teraz wyobraźmy sobie, że losowo zmieniamy energię impulsu przekazywanego wahadłu, zachowując jednak między nimi stałe odstępy czasowe. Skutek działania energii będzie za każdym razem zmieniał się w zależności od wielkości poprzedniego impulsu, mimo że wielkości samych impulsów pozostają niezależne. Przy zmiennej energii impulsów i stałych odstępach czasowych między nimi położenie i prędkość wahadła przy każdym kolejnym impulsie będą inne. Jeśli pierwszy impuls będzie silny, w chwili nadejścia drugiego impulsu wahadło może poruszać się w dół. Jeśli drugi impuls będzie słaby, trzeci impuls może nadejść w chwili, gdy będzie ono poruszać się w górę, i jeszcze bardziej spowolnić jego ruch. Portret fazowy wahadła pobudzanego impulsami energii w regularnych odstępach czasu będzie zatem inny dla każdego cyklu. Cykl, czyli ruch pomiędzy dwoma najwyższymi położeniami wahadła, jest orbitą. Ponieważ jednak w tym przypadku wahadło nie będzie mogło dopełnić cyklu, jego portret fazowy będzie składał się z orbit, które za każdym razem będą inne i nigdy nie będą okresowe. Jego wygląd stanie się przypadkowy i chaotyczny, ale będzie ograniczony do zakresu (maksymalnej amplitudy wahadła). Jest to atraktor chaotyczny, nazywany także dziwnym. (Op. cit. E. Peters, Teoria chaosu a rynki kapitałowe, W-wa 1997, s. 137-140).

Przykład mapy Poincare dziwnego atraktora - "wahadła chaotycznego" przedstawiono poniżej:




Należy zwrócić uwagę, że ruch "wahadła chaotycznego" nie może zostać przedstawiony w dwuwymiarowej przestrzeni fazowej w całej okazałości, jeśli jest on ciągły w czasie. Dopiero w co najmniej trójwymiarowej przestrzeni fazowej, gdy uwzględnimy trzeci stopień swobody, możemy otrzymać ruch chaotyczny. Jeśli potraktujemy ów impuls energii jako pewną wymuszającą siłę z zewnątrz układu, wówczas tą trzecią zmienną będzie kąt pomiędzy wektorem siły wymuszającej a położeniem równowagi wahadła, czyli odchylenie wahadła od punktu równowagi spowodowane pewną siłą z zewnątrz.

Jeśli mamy do czynienia z odwzorowaniem ciągłym, wówczas ruch wahadła opisuje się równaniem różniczkowym, a gdy odwzorowanie jest dyskretne - równaniem różnicowym. Co to jest równanie różniczkowe? Jeśli obserwowane są ewolucyjne procesy zachodzące w rozpatrywanym układzie opisane poprzez nieznaną funkcję i udaje się określić zależność pomiędzy tą funkcją a jej pochodną (czyli zmianą wartości funkcji [trajektorii] w maleńkiej jednostce czasu), to związek taki nosi nazwę równania różniczkowego. (Dla równania różnicowego pochodna staje się zwykłą zmianą wartości funkcji w czasie). Jednak aby jednoznacznie określić ewolucję interesującego nas procesu należy dodatkowo określić warunki początkowe. W przeciwnym razie zadanie jest nieokreślone i posiada nieskończenie wiele rozwiązań. (Op. cit. J. Awrejcewicz, Matematyczne metody mechaniki, s. 9).
Skoro mamy już równanie różniczkowe, to szukamy jego rozwiązania. Ale szukamy rozwiązania równania opisującego konkretny ruch, trajektorię. Rozwiązaniem jest właśnie ta trajektoria przy danym warunku początkowym. Nie możemy więc otrzymać na przykład dwóch rozwiązań, jak w równaniach kwadratowych. Nasze rozwiązanie musi być jednoznaczne. Ale żeby było jednoznaczne, to trajektoria nie może się przecinać sama ze sobą. Możemy przecież wybrać dowolny warunek początkowy będący jakimś punktem trajektorii; gdyby tym punktem był punkt, w którym trajektoria przecina się z jakąś inną lub po pewnym czasie sama ze sobą, to z tego punktu "wyrastałyby" dwie trajektorie i rozwiązanie nie byłoby jednoznaczne. Trajektoria musi być konkretna, bo mamy do czynienia z równaniem deterministycznym (dla równania stochastycznego trajektoria rozwidlałaby się jak by pragnęła). Należy mieć jednak na uwadze, że dla równania chaotycznego powtórzenie eksperymentu w postaci znalezienia danej trajektorii jest tylko teoretycznie mozliwe - nawet maluśka różnica pomiędzy warunkiem początkowym wziętym w pierwszym eksperymencie a warunkiem początkowym w drugim eksperymencie spowoduje, że dostaniemy dwie zupełnie inne trajektorie - na początku bardzo zbliżone, a po pewnym czasie niemające ze sobą nic wspólnego. W przyspieszonym tempie na komputerze ten sam układ równań (całkowicie stały matematycznie) z takim samym warunkiem początkowym (a w rzeczywistości bardzo, bardzo zbliżonym, gdyż identyczne warunki są niemożliwe - wynika to z kwantowej natury świata) będzie generował za każdym razem inną trajektorię. Spowoduje to, że ruch trajektorii będzie wyglądał na losowy (i klasyczne testy nie wykryją korelacji pomiędzy orbitami). Oto istota chaosu.

To wyobraźmy sobie, co się dzieje, gdy trajektoria jest ograniczona w pewnym obszarze. Płaszczyzna dwuwymiarowa jest zbyt „ciasna”, aby trajektoria mogła się przeplatać, tworząc bardziej złożone rozwiązania (op. cit. M. Tylutki, Układy oscylacyjne w przyrodzie, Foton 90, jesień 2005, s. 20). Mówi o tym twierdzenie Poincarego-Bendixona: Jeśli trajektoria jest ograniczona i nie dąży do żadnego punktu osobliwego (atraktora punktowego), to jest albo zamkniętą orbitą, albo do niej dąży. I dlatego właśnie chaos odbywa się w co najmniej trzech wymiarach.

Przedstawiony szkic atraktora chaotycznego wahadła jest tylko jego mapą, którą nazywamy mapą Poincarego. Metoda Poincarégo polega na zredukowaniu N-wymiarowej przestrzeni fazowej z czasem ciągłym do przestrzeni (N-1)-wymiarowej z czasem dyskretnym (nieciągłym). A więc zastępujemy równania różniczkowe różnicowymi.



Właśnie przejście od czasu ciągłego do dyskretnego niesie poważne konsekwencje. Pozwala to na eliminację ruchów okresowych do punktów, dzięki czemu można się skoncentrować tylko na dynamice chaotycznej, a także pozwala zrozumieć fraktalność atraktora i w konsekwencji szeregów czasowych kursów i stóp zwrotu. Mamy tu podobieństwo do linii brzegowej - nie jest to linia jednowymiarowa, gdyż przy powiększeniu dostrzegamy coraz więcej szczegółów, zygzaków, aż w końcu pozostają same kamienie, a w każdym razie pewne punkty. Linia brzegowa okazuje się nieciągła i ma wymiar ułamkowy. Definicja atraktora chaotycznego określa go jako taki atraktor, który jest fraktalem.

Pamiętamy jaka była różnica pomiędzy równaniem deterministycznym a stochastycznym. Atraktor jest analogią ciała stałego - cząsteczki są połączone wiązaniami chemicznymi. Odnajdując tu analogię do rynku stopy zwrotu są "połączone" prawdopodobieństwem warunkowym (są skorelowane). Przy każdym kolejnym powiększeniu ciała stałego potrafimy dostrzec coraz większe szczegóły. Materiał, cząsteczki, atomy... gdzieś są w końcu te kwanty (działania, energii, tj. stała Plancka), czyli istnieje nieciągłość. Kwanty powodują, że obiekty stają się ze sobą powiązane.
W przypadku równań stochastycznych atraktor staje się analogią gazu, który wypełnia całą przestrzeń fazową. Ale tutaj wyobrażamy sobie, że w każdej skali wszystko jest tak samo, nie ma żadnych kwantów. Zatem twierdzenie Poincarego-Bendixona wówczas nie obowiązuje, trajektoria może sama siebie dowolnie przecinać, gdyż i tak w każdym punkcie może rozwidlać się w dowolnym kierunku. Analogicznie stopy zwrotu stają się wtedy nieskorelowane, losowe. (Wtedy mamy do czynienia z ruchem Browna. Wprawdzie mówimy też, że ruch Browna jest fraktalem, lecz w innym lub szerszym znaczeniu: jest to fraktal losowy - rozkład prawdopodobieństwa w każdej skali [czasu, przestrzeni] pozostaje ten sam).

Nietrudno spostrzec, że wykres szeregu czasowego wahadła chaotycznego będzie również fraktalem. Niestety nie mam przy sobie takiego wykresu, więc na potrzeby bloga wykorzystałem tzw. odwzorowanie Henona, które potrafi generować ruch chaotyczny. Chociaż odwzorowanie to jest tylko dwuwymiarowe, to jest ono układem dwóch równań różnicowych, a więc trajektorię tworzą punkty, a nie linia ciągła - bez stosowania odwzorowania Poicarego otrzymujemy dwuwymiarowy atraktor. Na pierwszym rysunku poniżej widzimy wykres, który można potraktować jako wykres szeregu czasowego jednej z dwóch zmiennych odwzorowania Henona, a na drugim - atraktor Henona, który wydaje się bardziej "kształtny" od wcześniej pokazanej mapy atraktora chaotycznego. Należy pamiętać o nieciągłości szeregu - punkty są ze sobą konwencjonalnie połączone linią prostą podobnie jak punkty wykresów kursów akcji (w tym przypadku przedstawiony wykres jest bliższy wykresowi stóp zwrotu z akcji).





Jednostkę czasu można dowolnie dobierać i przy coraz mniejszej jednostce uwidaczniać będzie się coraz lepiej zygzakowatość wykresu w coraz mniejszym otoczeniu punktu.

Podobnie jest z kursami akcji - w poprzednim artykule wspominałem o nieciągłości pomiędzy kolejnymi transakcjami, która była konieczna, aby zachować możliwość nielosowego zachowania się kursu (w naszym modelu). Okazuje się teraz, że ta nieciągłość jest silnie powiązana z fraktalnością rynku. I zauważmy, że otrzymujemy tu "czystą" fraktalność, gdyż nie ma nigdzie miejsca, gdzie wykres kursu stałby się gładki (jednocześnie ciągły i bez kantów).

Wychylające się wahadło można traktować jako analogię ruchu kursu raz w górę, raz w dół. W naszym modelu wahadło stanowiła grupa B, która przechylała się raz w kierunku popytowej grupy A, raz w kierunku podażowej grupy C. O ile jednak w przypadku wahadła zmiennymi w przestrzeni fazowej były położenie i prędkość, o tyle w przypadku rynku zmiennymi są... no właśnie nad tym trzeba się dobrze zastanowić. Ponadto będzie trzeba uwzględnić element wywołujący chaos - trzecią zmienną, a do tego jeszcze uwzględnić dodatkowo grupę D, która ustala trend długoterminowy. Przypominając, iż w poprzednim artykule utożsamialiśmy grupę B z czynnikiem psychologicznym, a D z czynnikiem fundamentalnym, domyślamy się, że oba czynniki będą uwzględniane w naszym modelu w postaci zmiennych przestrzeni fazowej. Dokładne jednak ich zdefiniowanie i umiejscowienie wymaga oddzielnego artykułu (a przyznam, że już miałem "upakować" wszystko w jeden artykuł, dlatego tyle czasu to piszę). A więc znajdzie się to w kolejnej części.