Научный руководитель Хрипунов Н.В.

Серебро исторически является инвестиционным металлом наряду с золотом. Существенно более низкая цена серебра снижает применимость данного металла для физического инвестирования, но на рынке ценных бумаг указанный фактор далеко не главный.

График изменения цен открытия дня на золото и серебро за последние 6 лет (рис. 1) показывает, что серебро имеет сходную динамику и может рассматриваться в качестве эффективного инструмента инвестирования.

Рис. 1. Курс золота и серебра за 6 лет

Средняя цена открытия дня по золоту за 6 лет составляет 1382 п., по серебру – 24 п. Для сравнительной оценки инвестиционных характеристик по трехпараметрической модели [1] необходимо перейти к равному масштабу представления цен – в данном случае множитель для серебра составляет 57. Фактически данное действие означает равнозначность между сделкой с одним контрактом золота и 57 контрактами серебра.

В рамках трехпараметрической модели оценивается исторически-оптимальное сочетание таких параметров как уровень открытия сделки, А, отсчитываемый относительно средней цены  между минимумом и максимумом предыдущего периода (в данном случае – предыдущего торгового дня); лимит убытка на сделку, L, рассчитываемый относительно цены открытия сделки в направлении противоположном направлению сделки и лимит прибыли на сделку, Т, отсчитываемый от цены сделки в направлении сделки [2].

Для исследуемых бумаг на шестилетнем промежутке имеет место как восходящий, так и нисходящий тренд, следовательно, эффективно использование двунаправленной расчетной модели, позволяющей проводить расчет по схемам long и short [3].

Для оптимизации параметров моделей использован генетический алгоритм [4], настройки которого выбраны в соответствии с рекомендациями [5]:

1. Граничные условия:   A, L, T принадлежат [10; 200].

2. Начальное приближение A, L, T =100.

3. Скорость изменения эволюционного алгоритма 0,075.

4. Размер совокупности эволюционного алгоритма 100.

Из результатов оптимизации на шестилетней истории (таблица 1) следует, что серебро допускает существенно большую частоту сделок с меньшим уровнем потерь (параметр L). Практически совмещение инвестирования по инструменту в обоих направлениях возможно либо путем переоткрытия позиций в противоположную сторону если при сделке в long поступает сигнал на открытие сделки в short, либо разделением средств на 2 счета для независимой торговли. В последнем случае (см. рис. 2), очевидно, необходимо использовать в 2 раза меньшие объемы  позиции.

Таблица 1. Результаты оптимизации по шестилетней истории

Рис. 2. Кривые доходности по шестилетней истории

Кривая доходности по серебру (см. рис. 2) свидетельствует о том, что оптимизированные по шестилетней истории показатели не обеспечивают эффективного инвестирования на протяжении двух последних лет.  Кривая доходности по золоту в целом имеет существенно меньший угол наклона, но более стабильна – прибыльна за все годы исследуемого интервала.

В целом по результатам работы показано, что серебро по сравнению с золотом обладает удовлетворительными инвестиционными характеристиками. По результатам трехпараметрической оптимизации на шестилетней истории серебро показало в 2 раза большую общую доходность за 6 лет. При инвестировании в золото имеет место сравнительно более стабильный годовой доход. Дальнейшее исследование сравнительных инвестиционных характеристик серебра может быть направлено на уменьшение периода оптимизации и разработку расчетной модели двунаправленного инвестирования с одного торгового счета.

1. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Концепция оптимизации краткосрочного инвестирования // Научный альманах – Тамбов: Юком, 2015. №12(14) – 1. С. 385-389.
2. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Модель оптимизации краткосрочного инвестирования в Excel  // Новая наука: проблемы и перспективы – Стерлитамак: РИЦ АМИ, 2016. № 1 – 2. С. 119–121.
3. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Двунаправленный анализ инвестиционных инструментов с помощью генетического алгоритма // Новая наука: стратегии и векторы развития – Стерлитамак: РИЦ АМИ, 2016. № 2 – 1. С. 172–174.
4. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Оптимизация стратегии краткосрочного инвестирования генетическим алгоритмом // Новая наука: современное состояние и пути развития – Стерлитамак: РИЦ АМИ, 2016. № 2 – 1. С. 213–215.
5. Хрипунов Н.В., Панюков Д.И., Альшанская Т.В. Влияние настроек модуля Solver на результат оптимизации инвестиционной стратегии // Результаты научных исследований: сборник статей Международной научно-практической конференции (15 февраля 2016 г., г. Тюмень). В 4 ч. Ч.1 – Уфа: АЭТЕРНА, 2016. – С. 180–182.

Все статьи автора «Панин Александр Николаевич»