Основной характеристикой работы торгового алгоритма (ТА) является его суммарная доходность . Сложность анализа этой случайной последовательности связана с неизвестными законами распределения двух ее составляющих - числа сделок за заданное число шагов алгоритма и доходности алгоритма на каждом шаге. При незначительных допущениях (m-зависимости) относительно последовательности приращений ценового ряда удается показать асимптотическую нормальность суммарной доходности для ТА без сглаживания цены, но с заданным уровнем исполнения сделки В этом случае для описания эффективности работы ТА достаточно получить зависимости математического ожидания и дисперсии суммарной доходности от параметров цены
, и параметров ТА
Анализ модели ценового ряда:
Стохастическую модель ценового ряда зададим в рекуррентном виде
Здесь независимые между собой и с
, случайные величины, имеющие одно и то же симметричное распределение с нулевым математическим ожиданием и единичной дисперсией,
- коэффициент корреляции соседних приращений цены,
- волатильность цены,
Заданная согласно (1.1) марковская последовательность приращений цены является однородной и стационарной в широком смысле. Если,кроме того, случайные величины
имеют одно и то же одномерное распределение, то она будет стационарной и в узком (строгом) смысле.
Теорема 1. Пусть взаимно независимые непрерывные случайные величины, имеющие одно и то же симметричное распределение с нулевым математическим ожиданием, единичной дисперсией и конечным
при некотором
Тогда случайные величины
определяемые согласно (1.1), будут распределены одинаково при всех n и всех
с плотностью вероятности
не зависящей от
только если плотность вероятности
случайных величин
является нормальной.
Доказательство:
Пусть существует не являющаяся нормальной плотность вероятностипри которой случайные величины
удовлетворяют требованиям теоремы.Сформируем рекуррентную последовательность
Поскольку случайная последовательность (1.2) получается из (1.1), если в последней заменить
и в силу центральной предельной теоремы плотность вероятностипри
сходится к нормальной с параметрами
Полученное противоречие означает, что плотность вероятности
может быть только нормальной.
Замечание: Теорема 1 не утверждает об отсутствии случайных величинне являющейся нормальной плотностью вероятности
одинаковой при всех
и каком-либо одном конкретном значении параметра
Такие распределения могут быть лишь в классе безгранично делимых распределений [3],однако распределения, удобные для практического использования в модели ценового ряда, не обладают свойством воспроизводимости при свертке с неизменными значениями своих параметров (кроме нормального). Например, для распределения Лапласа при
случайная величина
имеет плотность вероятности
где
не относящуюся к распределению Лапласа ни при каких значениях
кроме
То же самое справедливо и для равномерного распределения, свертка которого, например, при
дает распределение Симпсона (треугольное).
Продолжение следует...........