Недавно в нескольких группах LinkedIn я задал один вопрос. Для каждой группы он был сформулирован немного по-разному, чтобы соответствовать тематике группы. Но по существу вопрос звучал так: «Когда изучение научных исследований наиболее полезно для понимания финансовых рынков»?
Те, кто отвечал на вопрос, были в основном профессионалами в финансовой сфере; и в результате этого завязалось много содержательных дискуссий. Предлагались реальные советы. Многие приходят в восторг, копаясь глубоко в узкой литературе по финансовым рынкам. Однако я был удивлен тем, что была также и группа отвечающих, которая очень скептически относились ко всей научной деятельности. Вот выборка некоторых комментариев из этой группы:
«Никогда. Будущее никогда не похоже на прошлое, и неизменных результатов в течение любого отрезка времени в инвестиционной сфере почти не бывает.»
«Я удивлен вашему незнанию того, что прогнозирование событий на финансовых рынках невозможно. Это игра в дурака.»
«Никогда. Нет ни одного пригодного исследования. В ту же самую минуту, когда такое исследование (открытое для широкой публики, как говорится в вопросе), оно немедленно будет включено в финансовые рынки, что сделает это исследование больше не пригодным.»
«Большинство из нас, включая меня, очень интересуется данными, но, как сказали другие, никакие опытные результаты – прошлые, настоящие или будущие, независимо от прилагаемого усилия – не могут быть основанием для долгосрочной успешной торговли. К сожалению, даже реальные результаты не могут сформировать такую основу, поскольку реальное неотличимо от случайного.»
«Бэктестирование играет важную роль, но большая часть результата – иллюзия, подогнанная под кривую… От форвардного тестирования также мало пользы; особенно для долгосрочной торговли…. Боюсь, что изучение научных исследований не приведет вас к Эльдорадо. Инвесторы должны помнить, что в конечном итоге Кандид бросил скитания и посвятил себя спокойному возделыванию сада. Большинство трейдеров преуспеет, если сделает то же самое.»
«Конструирование моделей, содержащих по-настоящему объективные данные в вероятностной цепи решений – интересное занятие. Однако никто не знает того, что произойдет дальше, особенно внутри некоторого отрезка времени. Поиск полезной прогнозирующей модели, которая эффективна на краткосрочный период, является тренировкой в тщетности.»
«Разве финансовые рынки достаточно последовательны (имея в виду все части обоснованного научного исследования, которые должны входить в эту работу) в этом мире, который так быстро изменился за последние 200 лет, чтобы дать исследование, которое все еще актуально сегодня?»
«Можно до скончания века заниматься количественным анализом социальной реальности, но поскольку мы имеем дело с людьми и манипуляциями, я бы не особо верил в «научное и основанное на опыте» исследование по финансовым рынкам.»
Конечно, есть много способов ответить на такие комментарии. Ясно, что в качестве автора серии книг «Интерфейс Альфа» (The Alpha Interface), я лично заинтересован в научном подходе. С другой стороны, в качестве бывшего президента (и все еще активного участника) Интуитивной сети (Intuition Network), я думаю, что более чем уважаю ненаучные подходы. Вот ответ, который я недавно опубликовал в одном из списков LinkedIn.
Вы делаете превосходную работу по четкому формулированию ограничений научного подхода в биржевой торговле. Однако замечу, что в течение многих столетий наука стояла лицом к лицу с подобными критическими замечаниями практически с каждой дисциплиной. И в то же самое время практически каждая научная дисциплина достигала успехов. Иногда прогресс идет мучительно медленно. А иногда скачками. Но я не сбрасывал бы его со счетов.
В юности у меня был наставник по имени Артур Янг (http://www.arthuryoung.com/), который изобрел первый коммерчески лицензированный вертолет (Bell Helicopter). Еще в 1926 году, стремясь стать изобретателем, он посетил патентное бюро США в надежде найти нерешенную техническую проблему. Он обнаружил, что было более 200 неудачных попыток построить летательный аппарат, который мог бы неподвижно зависать в воздухе. И так он решил узнать, удастся ли ему решить эту проблему.
В течение первых двенадцати лет Янг работал над подходом, который, в конечном счете, привел в никуда (пропеллеры на концах лопастей несущего винта). Затем он натолкнулся на решение, которое, в конечном счете, сработало. В 1947 году первые единицы продукции сошли с конвейера. (Bell Model 47 был маленьким вертолетом со стеклянной кабиной и полозьями вместо колес).
Один из его конкурентов, компания Sikorsky, использовал на своем самолете эмблему шмеля. У них был слоган следующего содержания: «согласно законам аэродинамики, шмель летать не может».
Один из уроков Артура Янга, который я усвоил, заключается в том, что не следует вслепую принимать расхожее мнение об определенных вещах, которые кажутся невозможными.
Большинство из нас может назвать, скажем, 200 неудач (касательно форвардного тестирования, бэктестирования, соотношения прибыль/риск, увеличение счета, краха фондов, и т.д.). Но разве это означает, что наука достигла стеклянного потолка, выше которого не может прогрессировать? Я так не думаю.
Однако это может означать, что многие будут двигаться в другом направлении…
Автор: Jeffrey Mishlove
Источник: Skepticism toward the possibility of scientific understanding of financial markets
Комментарии:
3dluxo: отличная статья:
во-первых, она показывает о чем, о каких процессах-моделях люди думают, когда речь идет о прогнозировании,
во-вторых, автор говорит, что прогнозирование — решаемая задача, и я с ним согласен, хотя пример с вертолетными лопастями думаю некорректен, моделирование рынков и полетов имеет разную основу.
лучше сравнивать рынки с погодой, ведь в прогнозах погоды есть мат. модели, которые дают прогноз с убыванием качества, то есть на 1 день — 90% точности, на неделю — 60-70%, дальше — прогноз обычно неверен.
3dluxo: то есть я считаю, что в рынках можно построить такую же эффективную модель прогнозирования, как в прогнозах погоды, например с использованием модулей а) определения тренда и б) затухания качества, но безусловно рынки по своей природе сложнее чем погода, и для точного моделирования нужно адекватно описать систему и выбрать индикаторы
mehanizator: Я думаю что любая удачная модель рынка меняет рынок, и становится менее удачной. Просто потому что «денег на всех не хватит». Разве что процесс этого изменения не такой простой и мгновенный, как это предписывает теория эффективного рынка, поэтому возможности заработать всегда есть.
Kent: Статья мне тоже понравилась и мнения в комментах тоже поддерживаю.