Разница курсов акций алгоритм
Какими могут быть алгоритмы для торговли на бирже: Базовая классификация
В нашем блоге мы много пишем о торговле на бирже и использующихся для этого технологиях. В частности, большое внимание уделяется алгоритмам для решения тех или иных задач от обработки данных с помощью FPGA до обнаружения инсайдерской торговли.
Пользователи ресурса Quora задались вопросом о том, какие вообще бывают алгоритмы онлайн-трейдинга. Лучший ответ дал разработчик торговых роботов Жей Янг (Jae Yang). Мы представляем вашему вниманию описание его классификации.
По мнению Янга существует 4 основных типа алгоритмов для трейдинга:
Теперь о каждом из них по порядку.
Алгоритмы исполнения приказов
Множество крупных фондов вынуждены постоянно перераспределять свои средства между различными активами. Для достижения наибольше эффективности торговли используются различные алгоритмы. Простейшие варианты – TWAP (взвешенная по времени средняя цена) и VWAP (средняя взвешенная цена по объему). Есть и более изощренные, но выполняющие, по сути, те же задачи — к примеру, разработанный в Goldman Sachs алгоритм Port-X (по ссылке представлены все использующиеся в инвестбанке алгоритмы).
Представьте, что вам нужно ведрами наполнить бассейн. Вы не сможете это сделать, не расплескав воду в процессе.
На другом конце спектра нас ждет благодатная сфера высокочастотного трейдинга. Здесь алгоритмы можно разделить на две общие категории.
Алгоритмы поведенческих факторов
Они основаны на анализе действий конкурентов, работающих с конкретным трейдером на «одной территории». В случае с активами с небольшой ликвидностью, чаще всего, есть один крупный игрок и все остальные. В подобных условиях распознавание поведения соперников становится вполне осуществимой задачей, чем при наличии 10000 равных по силе трейдеров. Для того чтобы построить систему, способную извлекать выгоду из действий оппонентов, достаточно понимать, каким правилами они руководствуются и в каких случаях от них отступают.
Алгоритмы скальпинга
Предиктивные алгоритмы
В большинстве случаев, когда кто-то говорит о трейдерских алгоритмах, он имеет в виду именно эту их разновидность. Алгоритмы прогнозов включают в себя все варианты предсказания поведения рынка на основе анализа прошлой информации, новых данных и любой вторичной информации. Их можно разделить на несколько субкатегорий, согласно применяемым методам:
Алгоритмы следования тренду призваны обнаруживать наличие долгосрочных трендов для конкретных классов активов. Эффективность таких алгоритмов зависит от того удастся ли системе определить, кто в текущий момент открывает позиции. Рынок акций – это пример большой коллективной охоты, где каждый игрок преследует свою цель. Поэтому в движении цены трудно уловить какие-либо закономерности. Тем не менее, есть люди, которые уверены, что вторичная информация по перемещению денежной массы из одних активов в другие при правильном диагностировании всей сетки дает результат. То есть, проще говоря, на значение цены влияет множество дополнительных факторов, а не только баланс спроса-предложения.
Алгоритмы, полагающиеся на метод анализа паттернов кривой, следуют древнему, как мир, убеждению, что «картинки и графики не лгут». Его еще называют иногда техническим анализом. Он имеет дело с совокупностью паттернов, описывающих поведение кривой. Например: «двойная вершина», «голова и плечи» и прочее.
Фигура технического анализа голова и плечи
Несмотря на некоторую старомодность веры в силу диаграмм и графиков, продолжают появляться серьезные статьи на тему, как заработать, изучая шаблоны ценового поведения. Вот пример подобного исследования.
Фундаментальный анализ имеет дело с данными отчетности компаний и государственной статистики, чтобы определить в каком случае тот или иной рынок переоценен или недооценен в сравнении с аналогичными. Крупные компании обладают штатом аналитиков, позволяющим им делать эту куда эффективней частных инвесторов. У последних, к примеру, просто нет времени подсчитывать такие вещи, как условно, сколько пар джинсов продал крупнейший американский ритейлер Gap. В этих же системах для определения глобальных циклов могут применяться и макроэкономические данные.
Балансировка инвестиционного портфеля основывается на двух разных идеях о поведении рынка акций. Есть тип алгоритмов под названием Smart Beta. Он работает по принципу «бесплатного сыра», где «сыр» — это портфель из активов с низкой волатильностью. Также существует тип онлайн-алгоритмов, суть которых сводится к анализу индекса денежных потоков и применению правило возврата к среднему значению.
Конечно же, эта классификация является неполной и не включает, к примеру, алгоритмы анализа общественного мнения (в соцсетях или с помощью сервисов вроде Google Trends), изучения новостей или прогнозов аналитиков, а также алгоритмы машинного обучения (в формате «с учителем» и без). Однако она позволяет начинающим трейдерам составить базовое представление о многообразии существующих алгоритмов для работы на бирже.
Как я анализирую акции перед покупкой
Личный опыт одного инвестора
Когда я впервые пришел на фондовую биржу, то подбирал бумаги в портфель практически наугад, полагаясь на советы в интернете.
Со временем я стал ответственней подходить к инвестированию. Ведь фактически я покупаю часть бизнеса — становлюсь миноритарным совладельцем компании, ее активов и долгов. Если смотреть под таким углом, становится понятно, почему важно полноценно изучать акции перед покупкой.
При оценке инвестиционной привлекательности эмитента я полагаюсь на комплексный подход, состоящий из следующих методик:
В этой статье мы подробно рассмотрим первые два пункта — этого обычно достаточно, чтобы оценить здоровье предприятия, справедливость цены и отсеять рискованные варианты.
Повторюсь: перечисленные методики должны рассматриваться в комплексе, а по отдельности могут сформировать ложное представление о бумаге.
Прежде чем перейти к дальнейшему разбору, хотел бы перечислить общие принципы, которыми я руководствуюсь при формировании портфеля.
Общие принципы моего портфеля
Макроанализ
Сначала нужно определить характер деятельности компании, то есть к какой экономической отрасли и сектору она относится. Благодаря этому можно составить представление о цикличности бизнеса, его технологичности, чувствительности к инфляции и изменениям процентных ставок. Это позволяет оценить стратегические перспективы.
Цикличность бизнеса означает его положительную корреляцию с фазами делового цикла: выручка компании следует за ростом и за спадом в экономике. Нециклический бизнес, наоборот, демонстрирует более или менее постоянную выручку независимо от состояния экономики.
Например, мы знаем, что компания производит мебель, это циклический товар длительного пользования. Когда экономика замедляется, можно предвидеть, что операционные показатели компании будут ухудшаться. Как правило, ожидания заранее закладываются инвесторами и отражаются на котировках бумаги. Таким образом, отталкиваясь от макроэкономической конъюнктуры, инвестор может планировать портфель.
О текущем положении дел в экономике мы можем судить по основным макроэкономическим маркерам той или иной страны:
Эти показатели помогают определить, в какой из четырех фаз бизнес-цикла — ранняя, средняя, закат, рецессия — экономика находится в текущий момент и что нас ожидает в обозримом будущем.
Как подобрать оптимальный торговый алгоритм для торговли акциями?
Здравствуйте, дорогие читатели. Недавно мы публиковали статью «Разновидности торговых стратегий инвестирования в акции, а также пример действующей торговой системы». Сегодня мы продолжим развивать эту тему и поговорим о том, как подобрать торговый алгоритм для торговли акциями. Мы рассмотрим несколько рекомендаций, которые помогут быстро определиться с выбором.
Главное, что нужно знать перед выбором торговой стратегии
Не спешите переходить к реальной торговле. Эта главная вещь, которую вам порекомендует любой профессиональный трейдер. Финансовый рынок существует более сотни лет и как минимум столько же будет открыт в будущем. Поэтому, у вас будет масса времени, чтобы забрать свою прибыль.
Проблема в том, что многие новички игнорируют это предостережение, поверхностно изучают теорию и переходят к торгам. В результате, 80% всех начинающих инвесторов проигрывают все вложенные деньги менее, чем за один год. Этому факту мы уделили внимание в статье «Основы инвестирования в акции, а также преимущества и недостатки этой деятельности». В свободное время обязательно прочтите эту статью. Особое внимание уделите разделу «Почему на акциях сложно заработать».
Не попадайте в ловушку, которую совершают большинство начинающих инвесторов. Не тешьте себя надеждой, что заработать на финансовом рынке легко. Не спешите рисковать собственными деньгами и торговать по правилам непроверенной стратегии, которую вам удалось скачать на одном из многочисленных трейдерских форумов.
Торговая стратегия – это набор правил, которые помогают инвестору анализировать рынок и находить выгодные моменты для покупки или продажи ценных бумаг. У каждого профессионального инвестора есть своя индивидуальная методика, которую он сформировал после многочисленных экспериментов. Если хотите успешно торговать и хорошо зарабатывать, то вам нужно поступить также. Для этого вам нужно получить экспертные знания и потратить на свое образование около 10 000 часов.
Торговля на финансовом рынке – это одна из немногочисленных сфер, где статус эксперта является обязательным условием для успеха. Без нужно опыта и квалификации вы ничего не достигнете. Это горькая правда, но мы считаем, что вы её должны знать в самом начале своего пути. Поэтому, не спешите брать кредит и увольняться с основной работы. Думайте о трейдинге, как о перспективном бизнесе, для развития которого нужно 5-10 лет. Закрепите эту установку в своём сознании.
Теперь подумайте о том, сколько часов в день вы сможете тратить на обучение и разработку своей персональной методики. Будет отлично, если вы сможете начать уже сегодня. Например, вы можете прочесть статью «Как правильно инвестировать деньги в акции российских и зарубежных компаний – пошаговая инструкция». Чтобы ускорить обучение – прочтите книгу Джоша Кауфмана. Скачать её можно здесь :
Краткая шпаргалка.
Выступление Джоша Кауфмана на конференции TED.
Алгоритмы и торговля на бирже: Скрытие крупных сделок и предсказание цены акций
Профессор математики Нью-Йоркского Университета и эксперт по финансовым рынкам Марко Авелланеда (Marco Avellaneda) составил презентацию, в которой рассказал о том, как с помощью алгоритмов крупные инвесторы «скрывают» свои масштабные сделки, а другие трейдеры занимаются предсказанием изменений цен акций.
В нашем сегодняшнем материале — основные моменты этой работы.
Зачем нужны алгоритмы
Алгоритмическая торговля с самого своего появления в начале 90-х годов прошлого века была инструментом крупных инвесторов и хедж-фондов. Децимализация (переход на Нью-Йоркской бирже к использованию в торговле акциями на десятичную систему — минимальный шаг цены стал равняться 1 центу, а не 1/16 доллара), технологии прямого доступа на рынок (Direct Market Access, DMA), 100% электронные биржи, снижение комиссий бирж и брокеров, появление различных биржевых площадок в США и в других странах — все это привело к взрывному росту числа трейдеров, использующих алгоритмы.
Авелланеда описывает цели использования алгоритмов в биржевой торговле следующим образом. По мнению профессора, в случае крупных институциональных инвесторов они применяются главным образом не для максимизации возможной прибыли с конкретной сделки, а для контроля рыночного риска и издержек исполнения ордера.
Проще говоря, обычно крупным инвесторам нужно совершать операции с большим объёмом акций. Часто объём сделки выше, чем рынок может «переварить» без изменения цены акции. Необходимость совершить покупку огромного количества акций приведет к изменению их цены и появлению так называемого «проскальзывания». Таким образом, исполнить весь приказ по одной цене не удастся — сначала сделки будут проходить по нужной цене, но постепенно она будет становиться все менее выгодной.
Чтобы этого избежать, необходимо разбивать крупные ордера на более мелкие, которые исполняются через интернет в течение минут, часов или дней.
Чтобы сделать это максимально выгодно, алгоритм должен контролировать среднюю стоимость акции. Оценить ее можно сравнив с рыночным «бенчмарком» — глобальной средней ценой за день, ценой закрытия или открытия и т.п.
Но проблема определения того, как именно разбивать крупный приказ на более мелкие, является не единственной. Алгоритм также должен решить, как именно выводить ордер на рынок — в виде лимитного или рыночного приказа — и по какой цене. Необходимо добиться наилучшей цены для каждого такого дочернего приказа.
Развитие финансовых рынков и появление новых торговых инструментов сделали эту задачу куда более сложной и интересной.
Времена, когда клиенты могли передать заявки своим брокерам только по телефону или факсу, ушли в прошлое. Сейчас существуют разные способы подключения к электронным торгам. Например, существует возможность подключения торгового робота к брокерской системе с помощью API — в таком случае приказы отправляются в брокерскую систему, а оттуда попадают на биржу (у ITinvest есть свой API-интерфейс SmartCOM).
В случае алгоритмической торговли, как правило, важна скорость работы стратегии, поэтому многие трейдеры предпочитают использовать технологию прямого доступа на рынок (direct market access, DMA — ITinvest предоставляет такой доступ к российским и зарубежным биржам). В случае ее применения торговый робот взаимодействует напрямую с торговой системой биржи, минуя систему брокера, что позволяет выиграть время.
Но это далеко не самый сложный вариант торговли. Появление большого количества различных торговых площадок привело к развитию алгоритмов «умной маршрутизации» приказов — такие системы не только пытаются совершать самые выгодные сделки на конкретной бирже, но еще и анализируют, на какой из доступных площадок в настоящий момент условия лучше, чтобы направить приказ именно туда.
Таким образом, существует три уровня развития современных алгоритмов.
Примеры торговых алгоритмов
Существует несколько типов алгоритмических стратегий. Один из них — экзекьюшн-стратегии, которые направлены на решение задачи покупки или продажи большого объёма финансового инструмента (например, акций) с минимальным отклонением итоговой средневзвешенной цены сделки от текущей рыночной цены.
Примерами алгоритмов, решающих эту задачу являются алгоритмы TWAP и VWAP.
Алгоритм TWAP
Использование TWAP (Tie Weighted Average Price — взвешенная по времени средняя цена) подразумевает равномерное исполнение приказа на покупку или продажу за заданное число итераций в течение заданного промежутка времени. Для этого постоянно выставляются маркет-заявки по ценам лучшего спроса или предложения, скорректированные на заданную величину процентного отклонения.
Например, покупка 100 тысяч акций в течение дня может выглядеть так (используются пятиминутные последовательные интервалы):
Алгоритм VWAP
VWAP (Volume weighted average price — взвешенная по объёму средняя цена) работает по следующей схеме. Объём торгов, как правило выше в начале и конце торговой сессии, а в ее середине он меньше. Чтобы исполнить крупный ордер с минимальными издержками, он разбивается на более мелкие приказы с учетом времени дня.
Процент объёма (POV)
Алгоритм Percentage of Volume (POV) решает ту же проблему, что и VWAP, но с использованием в качестве бенчмарка информации об объёме торгов в конкретный текущий день. Идея заключается в том, чтобы иметь постоянный процент участия в торгах на протяжении выбранного периода.
Если нужно «проторговать» еще акции объёма Q, а «коэффициент участия» в торгах γ, то алгоритм вычисляет объём торгов V, проторгованный в период (t – ΔT, t) и исполнит ордера на количество финансового инструмента q = min(Q,V* γ).
V(t) = общий объём торгов, имевший место на рынке к моменту времени t;
Q(t) = число акций, которое еще нужно купить/продать ( Q(0) = начальное количество).
Как еще используются алгоритмы
Помимо экзекьюшн-стратегий, существует и целый ряд стратегий, направленных на извлечение прибыли с помощью других моделей. Вот некоторые из них:
Предсказание цен в высокочастотной торговле
Для того, чтобы «предсказать» движение цены, алгоритм должен смоделировать скрытую ликвидность рынка при данной ликвидности заявок на покупку и продажу. «Истощение» очереди заявок на покупку или продажу может свидетельствовать о скором движении цены.
Изменение цены возникает, когда на одном из уровней цены исчезают все заявки на покупку или продажу, и существует следующий уровень цен бид и аск.
Вероятность того, что очередь заявок аск истощится ранее, чем очередь заявок бид, высчитывается так:
Итоговая формула вероятности повышения цены:
, где H — скрытая ликвидность рынка, то есть сделки, которые неизвестны широкой общественности (например, сделки крупных финансовых организаций, которые заключаются за пределами бирж).
Процедура оценки выглядит следующим образом:
Заключение
На многих фондовых площадках (например, в США и России) оборот алгоритмической торговли уже довольно давно составляет более 50%. При этом часто алгоритмы используются не только для того, чтобы «опередить» конкурентов в скорости совершения транзакций и заработать на этом.
Крупные игроки могут применять этот инструмент для того, чтобы разбивать крупные сделки на более мелкие, которые позволяют осуществить операцию с заданным количеством финансового инструмента, не сдвигая его рыночную цену в ту или иную сторону. Для этого используются алгоритмы TWAP, VWAP и PoV.
Кроме того, алгоритмы используются для реализации «квантовых стратегий», таких как, арбитраж или маркетмейкинг. Помимо этого, существуют возможности по подсчету вероятности изменения цены конкретных финансовых инструментов.
На сегодня все, спасибо за внимание!
Другие статьи ITinvest по теме алготорговли:
Биржевой зодиак: Какие алгоритмы и инструменты применяются для прогнозирования движения цен акций
Сегодня мы поговорим об инструментах технического анализа, которые используют для предсказания поведения биржевых индексов. В наши задачи не входило собрать в одну кучу и подробно описать все технологические способы прогнозирования цен на фондовых рынках. По каждому из них можно найти достаточно подробную информацию в нашем блоге. Но небольшая шпаргалка была бы весьма полезна.
По-настоящему эффективную биржевую стратегию можно создать, лишь используя большинство инструментов в комплексе. Тем более что сама стратегия подразумевает несколько этапов, включая сбор и обработку данных, построение алгоритма, отладку и проверку в реальном времени. И для каждого из них можно применять разные методы и математические модели.
Математические модели предсказания цены
Оборот алгоритмической торговли на крупных фондовых площадках сегодня достигает, по некоторым данным, 70%. При этом речь уже идет не просто о том, чтобы опередить конкурентов в совершении транзакции, но и суметь предсказать движение цены. Сделать это можно, к примеру, при помощи математической формулы, учитывающей скрытую ликвидность рынка при данной ликвидности заявок на покупку и продажу. «Истощение» очереди заявок на покупку или продажу может свидетельствовать о скором движении цены.
Изменение возникает, когда на одном из уровней цены исчезают все заявки на покупку или продажу, и существует следующий уровень цен бид и аск.
В одном из наших предыдущих материалов мы рассматривали формулу, позволяющую высчитать вероятность того, что очередь заявок аск истощится ранее, чем очередь заявок бид.
Формула для расчета вероятности повышения цены выглядела так:
, где H — скрытая ликвидность рынка, то есть сделки, которые неизвестны широкой общественности (например, сделки крупных финансовых организаций, которые заключаются за пределами бирж).
Сама процедура анализа выглядит следующим образом:
Машинное обучение и Big Data
Машинное обучение – самое, пожалуй, востребованное и многообещающее направление сложных финансовых расчетов. В нашем блоге ему, также как и, вообще, работе с большими данными, посвящена серия материалов (мы писали об этом, например, здесь и здесь).
Сам процесс машинного обучения состоит из нескольких шагов: от выбора математических и программных инструментов, сбора входных данных, до выработки предсказаний и тестирования. Самый простой способ — это создание с помощью машинного обучения модели на основе исторических данных, ее тестирование и дальнейшее применение для генерирования прогнозов будущего движения цен.
Проще всего понять работу этой модели на конкретном примере. Вот в этой статье довольно подробно, пошагово описывается успешный опыт применения стратегии машинного обучения.
Модель подразумевает создание фреймворка, симулирующего торги, который должен максимально точно воссоздать поведение реального рынка. В него закладывается тренировочный набор данных, позволяющий системе обучаться на них. Затем создается или подбирается алгоритм, отвечающий за предсказание движения цен и организацию торгов. Можно интегрировать уже готовые алгоритмы. Например, скрытые Марковские Модели, искусственные нейронные сети, алгоритм бустинга, наивный байесовский классификатор, метод опорных векторов, дерева решений, дисперсионный анализ и множество других.
Дальнейшие действия будут зависеть от используемого алгоритма (конкретные примеры можно посмотреть по ссылкам выше). Обычно за этим следует выбор, создание и оптимизация индикаторов, которые будут участвовать в прогнозе. Они, по большому счету, привязаны к повышению или понижению цены. На основе кривых изменения индикаторов можно создать формулу для более точного предсказания цены. Протестировать получившийся алгоритм можно на исторических данных.
Еще один интересный подход к использованию машинного обучения для прогнозирования цен акций — это его применение к прогнозам финансовых аналитиков. Подобный механизм работает примерно так:
На вход системы подаются мнения экспертов рынка акций (просто их мнение, которое необязательно оказывается верным), а затем на основе их прогнозов раз за разом делаются предсказания возможного движения цены. На каждой итерации вес эксперта, чье предсказание оказалось верно, повышается, а у тех, кто ошибся — наоборот снижается.
Такую технику взвешивания на основе экспертных мнений можно рассматривать в качестве гибридного подхода, комбинирующего в себе фундаментальный и технический анализ — эксперты делают прогнозы на основе фундаментального анализа, а алгоритм впоследствии использует их для генерирования собственных прогнозов с помощью методов технического анализа.
Алгоритм адаптивной фильтрации
Алгоритм адаптивной фильтрации широко применяется в радиоэлектронике в качестве системы цифровой обработки данных. Если не вдаваться в подробности, адаптивный фильтр – это самообучающаяся система, нацеленная на достижение максимального соответствия анализируемых данных на выходе реальному положению дел.
Блок-диаграмма адаптивного фильтра для предсказания сигналов
Суть метода в том, что мы можем быстро и четко реагировать на изменения входных данных для получения точных прогнозов. На практике адаптивные алгоритмы реализуются двумя классическими методами — методом градиента и наименьших квадратов (LMS и RLS).
В свое время LMS-фильтр успешно применялся для предсказания трафика в беспроводных сетях. Бразильским ученым пришла в голову идея опробовать этот алгоритм в биржевой торговле. Они создали модуль для предсказания движения цены одной из компаний. Для этого использовался адаптивный цифровой FIR-фильтр со 100 реальными коэффициентами. В качестве алгоритма адаптации был использован RLS с коэффициентом забывания 0,98. Симуляция производилась на платформе MATLAB.
Испытания с различными параметрами показали, что применение адаптивного фильтра позволяет добиться прибыли в среднем 7% от вложенных средств.
Генетические алгоритмы
Еще один свежий тренд в области алгоритмической торговли – это генетические алгоритмы. Это поисковые алгоритмы, применяющиеся в системах, где точные взаимоотношения элементов неизвестны или вовсе отсутствуют.
Как это работает: ставится задача, формализованная таким образом, чтобы на выходе возникло решение, закодированное в виде вектора генов («генотип»). Гены – это любые объекты, числа, биты. Далее случайным образом создается множество генотипов начальной «популяции», которые оцениваются с помощью специальной функции приспособленности. В итоге каждому генотипу присваивается значение «приспособленности» — именно оно определяет, насколько хорошо он решает задачу.
В своем блоге мы писали о работе ученых из исламского университета Азад, в которой речь идет о прогнозировании поведения фондовых индексов через сочетание методов генетического алгоритма, нейронных сетей и data mining с использованием опорных векторов.
При этом data mining отвечает за сбор информации и упорядочивание данных в модели классификации. Генетический алгоритм настраивает систему. Для того чтобы ее оптимизировать, каждый ген рассматривается в виде вектора, а соответствующий алгоритм оптимизации применяет к нему механизм промежуточной рекомбинации. Генерируются предсказания через метод опорных векторов (частный случая машинного обучения). Точность предсказаний для NASDAQ, сгенерированных системой, составила 74.4%.
Анализ новостей
Тем, что новости могут серьезно влиять на фондовый рынок, сегодня никого не удивишь. Примеры того, как то или иное событие (иногда фейковое) «обрушило» рынок появляются с завидной регулярностью — иногда создатели таких фейков затем испытывают проблемы с законом. Но немногие оказались способны превратить манипуляции экономическими новостями в настоящее искусство.
В 2015 году 62-летний шотландец Алан Крейг создал два поддельных твиттер-аккаунта аналитических компаний и разместил в них новости о проблемах торгующихся на бирже компаний. На графике показан рост цен одной из таких компаний после публикации фейковой новости и их падение после ее опровержения
На рынке появляются системы анализа, использующие публикации в СМИ и социальных сетях для совершения транзакций. Ведутся работы по созданию систем, которые будут способны самостоятельно создавать статьи, основываясь на данных новостных лент, с их последующей выкладкой в сеть для провоцирования тех, кто не обладает полнотой информации, на покупку или продажу активов.
Еще в 2013 году исследователи из бизнес-школы Уорика (Warwick Business School) опубликовали результаты эксперимента, в ходе которого в качестве инструмента для прогнозирования трендов фондового рынка использовался поисковик Google, и в частности, сервис Google Trends.
Он позволяет работать с информацией о поисковых запросах, ранжированных по популярности. Исследователи предположили, что существует корреляция между увеличением числа поисковых запросов по тем или иным политическими и экономическими темам и значимыми событиями на фондовых рынках.
Очевидно, что перед тем, как принять решение, люди пытаются через поисковик узнать как можно больше. Информация о поисковых запросах о темах, которые могут влиять на цены акций, может свидетельствовать о скором развороте рыночного тренда — раз уже простые люди, а не профессиональные аналитики, интересуются делами на бирже, то это верный признак того, что назревает разворот тренда.
Созданный в рамках эксперимента ученых симулятор инвестиционной игры показал впечатляющие результаты. Например, самым надежным для США оказалось слово «долг». Отслеживая рынки только по нему, ученые увеличили свой гипотетический портфель ценных бумаг на 326% за семь лет. При моделировании стандартной стратегии торгов, которая не учитывала частоту поисковых запросов, им удалось добиться прироста лишь в 16%.