Помощь в написании студенческих работ
Антистрессовый сервис

Статистическое прогнозирование для построения эффективных торговых стратегий на валютном рынке

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Ежедневный объем операций мирового рынка FOREX составляет около 2 триллионов долларов США. При таком значительном объеме операций никто из участников в отдельности не может повлиять на ход торгов, а движение цен определяется лишь как результат массовых действий всех участников торгов. Такая ситуация наиболее благоприятна для прогнозирования конъюнктуры рынка, что нельзя сказать про российский… Читать ещё >

Статистическое прогнозирование для построения эффективных торговых стратегий на валютном рынке (реферат, курсовая, диплом, контрольная)

Содержание

  • Введение. t-, Ht
  • Глава 1. Международный валютный рынок FOREX и (>i прогнозирование валютных курсов
    • 1. 1. Статистический анализ рынка FOREX
    • 1. 2. Прогнозирование валютных курсов с помощью технического анализа
    • 1. 3. Анализ методов прогнозирования валютных курсов с помощью осцилляторов
    • 1. 4. Проведение спекулятивных операций во время действия ценовых трендов
  • Глава 2. Разработка эффективных торговых стратегий и статистических моделей для прогнозирования курсов валют. г
    • 2. 1. Методика построения эффективных торговых стратегий на рынке FOREX
    • 2. 2. Методика построения статистических моделей для прогнозирования курсов валют на определенных интервалах времени
    • 2. 3. Методика апробации статистических моделей для прогнозирования курсов валют, критерии оценки качества моделей и торговых стратегий
  • Глава 3. Практическое применение разработанных методик на рынке
  • FOREX
    • 3. 1. Практическое построение эффективных торговых стратегий на рынке FOREX
    • 3. 2. Практическое построение статистических моделей для прогнозирования курсов валют на определенных интервалах времени
    • 3. 3. Апробация статистических моделей для прогнозирования курсов валют, оценка качества моделей и торговых стратегий

Актуальность темы

исследования. В связи с интеграцией Российской Федерации в мировое экономическое сообщество российские инвесторы получили широкий доступ к мировым финансовым рынкам. Это дает огромные возможности по проведению различного рода финансовых операций. Одним из самых привлекательных является международный валютный рынок FOREX, который характерен большим объемом сделок, высокой ликвидностью и доходностью.

Ежедневный объем операций мирового рынка FOREX составляет около 2 триллионов долларов США. При таком значительном объеме операций никто из участников в отдельности не может повлиять на ход торгов, а движение цен определяется лишь как результат массовых действий всех участников торгов. Такая ситуация наиболее благоприятна для прогнозирования конъюнктуры рынка, что нельзя сказать про российский валютный рынок, который находится на начальной ступени своего развития. Годовой объем всех межбанковских торгов иностранной валюты на Московской межбанковской валютной бирже (ММВБ) в 2002 году составил всего 65 млд. долларов США. Ввиду своего сравнительно небольшого объема операций российский валютный рынок подвержен сильному влиянию со стороны крупных инвесторов. Прогнозы могут очень часто оказаться неверными из-за неожиданного вмешательства крупных инвесторов в ход торгов.

Несомненно, работа на мировом рынке FOREX имеет преимущества для российского инвестора и трейдера перед работой по проведению операций с иностранной валютой на ММВБ. Следует также сказать, что проводимые ими операции не могут быть успешными без применения методов статистического прогнозирования, используемых всеми мировыми финансовыми институтами.

Отметим также что, несмотря на целый ряд открывшихся перед российскими инвесторами возможностей, работа по проведению операций на рынке FOREX может оказаться неэффективной без учета реальных российских экономических условий. Под такими условиями понимаются в основном условия по проведению сделок, которые предлагают российские брокерские компании. Для учета таких условий на рынке FOREX первостепенное значение имеет разработка научно-методологического обеспечения участников операций. Важнейшим инструментарием такого обеспечения являются статистические методы анализа и прогнозирования курсов валют.

Тем не менее, при огромном практическом интересе к работе на рынке FOREX в отечественной научной печати уделяется мало внимания разработке соответствующего научно-методологического обеспечения.

Все это обусловило выбор темы диссертации, ее актуальность в научном и практическом плане.

Цель и задачи исследования

Цель диссертационной работы состоит в разработке методики статистического прогнозирования курсов валют для получения эффективных торговых стратегий на международном валютном рынке FOREX.

В связи с целью были поставлены и решены следующие задачи: -провести статистический анализ рынка FOREX;

— осуществить экономический анализ российских условий выполнения валютных операций на рынке FOREX;

— рассмотреть вопросы построения и апробации статистических моделей, отражающих влияние различных характеристик инструментов «технического анализа» на формирование результатов прогноза движения валютного курса;

— выявить основные особенности построения эффективных торговых стратегий на рынке FOREX, использующих статистические модели для прогнозирования курсов валют;

— сформулировать проблемы оценки качества моделей и торговых стратегий и определить пути их решения.

Объект и предмет исследования. Объектом исследования выступает международный валютный рынок FOREX. Предметом исследования является процесс статистического прогнозирования валютных курсов, а также эффективность процесса принятия решения об инвестировании на рынке FOREX.

Методологическая база исследования. Теоретической и методологической основой диссертации являются научные труды ведущих российских и зарубежных ученых в областях: статистики, эконометрики, прогнозирования, «технического анализа», машинной обработки данных. В качестве статистического инструментария использовались методы корреляционного и регрессионного анализа, методы «технического анализа» по прогнозированию валютных курсов, включая, скользящие средние, осцилляторы, теорию циклов, графические фигуры.

Для решения задач исследования использовались следующие пакеты прикладных программ: MetaStock 7.0, STATISTICA 6.0, Excel 97.

Информационная база исследования. Информационную базу исследования составили котировки рынка FOREX информационного агентства «REUTERS», а именно, часовые и дневные изменения курсов EUR/USD, GBP/USD, USD/JPY, CHF/USD за 1999 — 2002 годы. Также использовались материалы периодической печати, информация, полученная непосредственно с веб-сайтов российских брокерских компаний.

Научная новизна диссертации заключается в разработке методик построения и апробации статистических моделей для прогнозирования курсов валют, позволяющих повысить эффективность торговых стратегий на рынке FOREX.

В результате выполненного исследования сформулированы и обоснованны следующие результаты, выносимые на защиту:

— показаны возможности получения высоких прибылей от спекулятивных операций на рынке FOREX для российских трейдеров и инвесторов;

— выбраны наиболее эффективные условия российских брокеров по проведению сделок;

— разработаны методики построения и апробации статистических моделей для прогнозирования курсов валют на определенных интервалах времени;

— предложена методика построения эффективных торговых стратегий на рынке FOREX с использованием разработанных статистических моделей;

— разработаны критерии оценки качества моделей и торговых стратегий и апробированы на примере использования Индекса Относительной Силы и Стохастического осциллятора.

Практическая значимость результатов исследования. Разработанные методики могут применяться для краткосрочного статистического прогнозирования (от 1 часа до нескольких дней) валютных курсов. Данные методики могут быть использованы широким кругом российских инвесторов и трейдеров. Выводы и рекомендации диссертации могут быть также использованы ЦБ РФ при разработке отдельных мероприятий курсовой политики, Госкомстатом РФ в анализе тенденций валютного рынка.

Апробация и реализация работы. Основные положения и выводы диссертации доложены и получили положительную оценку на Международной научно-практической конференции молодых ученых, аспирантов и студентов (МЭСИ 2002 г.), на семинарах кафедры Математической статистики и эконометрики и кафедры Высших финансовых вычислений. По теме диссертации опубликовано 7 статей общим объемом 3 п. л. Статистические модели для прогнозирования курсов валют, предложенные в данной диссертации, внедрены в КБ Содбизнесбанк.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы, глоссария и приложений.

Выводы. Исследование по апробации статистических моделей для прогнозирования курсов валют показало, что использование моделей, построенных по методике, описанной в пункте 2.2, в целом значительно увеличивает годовую прибыль. В некоторых случаях увеличение прибылей может происходить почти в 2 раза.

Использование алгоритмов апробации статистических моделей для прогнозирования курсов валют на определенных интервалах времени и проверки устойчивости работы модели к случайным изменениям на рынке дает положительные результаты. В результате применения данных алгоритмов получены пригодные для использования модели.

Тем не менее, в некоторых случаях модели были признаны непригодными для использования либо как не дающие увеличения основных показателей доходности, либо как не прошедшие тест на устойчивость к случайным изменениям на рынке. Стратегии, для которых разрабатываются такие модели, следует признавать негодными и отвергать, так как в таком случае нельзя утверждать, что стратегии учитывают влияние характеристик осцилляторов.

Заключение

.

На основании проделанной работы по разработке методики статистического прогнозирования курсов валют для получения эффективных торговых стратегий на международном валютном рынке FOREX можно сделать нижеследующие выводы.

1. Статистический анализ рынка FOREX, проведенный в данной диссертации, выявил возможности получения высоких прибылей от спекулятивных операций на рынке FOREX для российских инвесторов и трейдеров.

Результаты анализа говорят о том, что спекулятивные операции длительностью от 1 часа до нескольких дней при залоговом капитале от 1000 долларов США и кредитном плече 1:100 потенциально могут дать до 100% прибыли от вложенных средств.

2. Экономический анализ российских условий выполнения валютных операций, проделанный в данной работе, выявил набор наиболее эффективных условий. Данный набор позволяет снижать в 2 раза издержки на покрытие комиссионных расходов брокера при прочих равных условиях, по сравнению со средними расходами по всем брокерам.

Проведение дальнейших исследований в рамках данной работы проводилось с учетом этого набора наиболее эффективных условий, что внесло свой вклад в обеспечение конкурентоспособности полученных эффективных торговых стратегий.

3. Разработана методика построения статистических моделей для прогнозирования курсов валют на определенных интервалах времени. Предложенные автором в рамках данной методики 4 множественные регрессионные модели, выражающие зависимость управляющей переменной от характеристик осцилляторов, были успешно построены, о чем говорят статистические показатели качества данных моделей. Полученные модели адекватны, что позволяет применять модели в целях анализа и прогнозирования.

4. Разработана методика апробации статистических моделей для прогнозирования курсов валют на определенных интервалах времени.

Данная апробация позволила сделать вывод, что использование моделей для торговых стратегий, построенных по предложенной методике, в целом значительно увеличивает годовую прибыль по сравнению со стратегиями, которые не используют данные модели. В некоторых случаях увеличение прибылей может быть почти в 2 раза.

5. С помощью предложенной методики были успешно построены эффективные торговые стратегии, с использованием разработанных статистических моделей. Данные стратегии обеспечивают получение прибыли не ниже 15% в год, при условии, что стратегии строятся отдельно для сделок на покупку и отдельно для сделок на продажу.

6. Разработаны критерии оценки качества моделей и торговых стратегий и апробированы на примере использования Индекса Относительной Силы и Стохастического осциллятора. Оценка качества моделей позволила выявить пригодные для использования модели, обеспечивающие устойчивость к случайным изменениям на рынке и максимальное увеличение основных показателей доходности. Оценка качества торговых стратегий позволила выявить эффективные стратегии с использованием разработанных моделей, которые для определенного диапазона изменения курса валюты, дают максимальные показатели прибыльности с учетом анализа характеристик осциллятора для данного диапазона по сравнению с другими возможными стратегиями/Под другими возможными стратегиями понимаются стратегии,.

Ill использующие для определенного диапазона изменения курса валюты такой же вид осциллятора, такие же правила для открытия и закрытия позиции.

7. В процессе проведения исследования был успешно задействован пакет технического анализа MetaStock 7.0. Расчет уравнений моделей при возникновении сигнала осциллятора производился автоматически. Решение на основании правил торговой стратегии и величины оптимального порогового значения, а о заключении сделки в момент появления сигнала также происходило автоматически. Из всего выше сказанного следует, что материалы данной работы можно рекомендовать для использования в качестве наглядного пособия для программной реализации разработанных моделей и стратегий для работы на рынке FOREX.

Глоссарий.

Ask — предложение о продаже брокером определенной валюты по указанной цене.

Bid — предложение о покупке брокером определенной валюты по указанной цене.

FOREX — международный валютный рынок (Foreign Exchange Market) представляет собой совокупность операций по купле-продаже иностранной валюты и предоставлению ссуд на конкретных условиях (сумма, обменный курс, процентная ставка) с выполнением на определенную дату.

Базовая валюта — первая валюта в коде котировки.

Бар — графическое представление деловой активности цены. Отображает максимальную, минимальную цены рассматриваемого периода, а также цены открытия и закрытия рассматриваемого периода. Период может равняться минуте, часу, дню и т. д.

Боковой тренд — это тенденция, при которой цена почти не меняется.

Бычий тренд — это тенденция, при которой цена движется вверх.

Волатилъность — это характеристика величины возможных курсовых колебаний цены финансового инструмента за выбранный промежуток времени, дисперсия колебаний.

Восходящий тренд см. бычий.

Длинная сделка — это операция при игре на повышение. Вначале происходит купля определенного количества валюты, затем трейдер ожидает повышения цены на эту валюту.

Залоговый депозит — счет трейдера в брокерской фирме, покрывающий риск потерь от операции.

Комиссия — это увеличение или уменьшение цены валюты в пользу брокера. Взимается при каждой операции.

Короткая сделка — это операция при игре на понижение. Вначале происходит продажа определенного количества валюты, затем трейдер ожидает понижения цены на эту валюту.

Котировка — значение отношения валют друг к другу.

Кредитное плечо — это финансовый механизм, позволяющий кредитовать спекулятивные операции под залоговую сумму.

Лот — это сумма, которой трейдер оперирует в процессе проведения спекулятивной операции.

Максимальный убыток (stop-loss) — стоповый приказ, который закрывает позицию, как только уровень убытков начнет превышать максимально допустимый уровень.

Маржевая торговля — механизм спекулятивных операций, при котором возможно оперировать суммами, которые выдаются под залог депозита трейдера. Данные суммы могут значительно превышать депозит трейдера.

Медвежий тренд — это тенденция, при которой цена движется вниз.

Нисходящий тренд см. медвежий.

Перекупленность рынка — характеристика, при которой цены повысились слишком высоко и слишком быстро, следовательно, будет понижение цен.

Перепроданностъ рынка — характеристика, при которой цены понизились слишком низко и слишком быстро, следовательно, будет повышение цен.

Плановая прибыль (stop-profit) — стоповый приказ, закрывающий позицию, сразу после достижения уровня запланированной прибыли.

Позиция — открытый контракт, указывающий на интерес на рынке длинный или короткий.

Пункт — последняя цифра в котировке (1,5921).

Расхождение — рассогласование в движении кривой цены и технического индикатора. Например, цена достигла нового пика, а осциллятор — нет.

Спред — разница между ценой покупки и ценой продажи брокера в один и тоже момент времени (между bid и ask).

Стоповый приказ — инструкция к закрытию для брокера позиции в зависимости от достигнутого уровня прибыли или убытка.

Стратегия «купить и держать». Эта стратегия подразумевает, что открытие позиции происходит по первой цене диапазона исторических данных, а закрытие позиции по последней цене диапазона исторических данных.

Тик — см. пункт.

Уровень поддержки — прямая, проведенная не менее чем через две минимальные цены.

Уровень сопротивления — прямая, проведенная не менее чем через две максимальные цены.

Чарт — график отображения цены.

Японская свеча — графическое представление деловой активности цены. Отображает максимальную, минимальную цены рассматриваемого периода, а также цены открытия и закрытия рассматриваемого периода. Период может равняться минуте, часу, дню и т. д. Свеча светлая, если торговый период закрылся на более высокой отметке, чем открылся. В противоположном случае свеча имеет темный цвет.

Показать весь текст

Список литературы

  1. Айвазян С А., Мхитарян B.C. Прикладная статистика и основы эконометрики. В 2 томах. — М.: ЮНИТИ, 2001.
  2. С.А., Мхитарян B.C. Прикладная статистика в задачах и упражнениях. М.: ЮНИТИ, 2001.
  3. С.А. Статистическое исследование зависимостей. М.: Металлургия -1968.
  4. С.А., Бухштабер В. М., Енкжов И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989.
  5. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичной обработки данных. М.: Финансы и статистика, 1993.
  6. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Исследование зависимостей. -М.: Финансы и статистика, 1985.
  7. Т. Статистический анализ временных рядов. М.: Мир, 1976.
  8. А., Эйзен С. Статистический анализ: подход и использование ЭВМ.-М.: Мир, 1982.
  9. Н. Я. Статистический анализ и прогнозирование конъюнктуры рынка корпоративных ценных бумаг. Автореф. дис.. канд. экон. наук: 08.00.11.-М.: МЭСИ, 1999.
  10. Ю.Башина О. Э. и др. Общая теория статистики. М.: Финансы и статистика, 2001.
  11. П.Беляевский И. К., Короткое А. В. Биржевые индексы и оценки конъюнктуры. В сборнике научных трудов МЭСИ: Проблемы статистики рыночных отношений. — М.: 1992.
  12. П., Доксам К. Математическая статистика. М.: Финансы и статистика, 1983.
  13. Д., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1. -М.:Мир, 1974.
  14. ., Хуань К. Д. Многомерные статистические методы для экономики. М.: Статистика, 1979.
  15. . В. П. Программа STATISTICA для студентов и инженеров. -М.: КомпьютерПресс, 2001.
  16. А. А. Курс теории вероятностей. М.: Наука, 1972.
  17. Н.Г., Кильдишев Г. С. Основы математической статистики. М.: ЦСУ СССР 1963.
  18. Е. С., Овчарова JI. А. Прикладные задачи теории вероятностей. -М.: Радио и связь, 1983.
  19. С. М. Основы комплексного прогнозирования. М.: Наука, 1977.
  20. Я. П. Графические методы в статистике. М.: Статистика, 1968.
  21. Н. И. Теория статистических показателей динамики. М.: Высшая школа, 1977.
  22. А. А. Орлова И. В. Компьютерные экономико-математические модели. М.: ЮНИТИ, 1995.
  23. Г. Л. Общая теория статистики. М.: МГУ, 1987.
  24. Г. JI., Крысина М. В., Воробьев А. Н. и др. Теория статистики. -М: ИНФРА-М, 2000.
  25. Э. Г. Исследование операций. М.: Высшая школа, 1990.
  26. Т.Р. Технический анализ новая наука. /Пер. с англ. — М.: Диаграмма, 1997.
  27. Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1971.
  28. Д. Эконометрические методы. М.: Статистика, 1980.
  29. A.M. Обработка статистических данных методом главных компонент. -М.: Статистика, 1978.
  30. A.M., Мхитарян B.C., Трошин Л. И. Многомерные статистические методы. М.: Финансы и статистика, 2000.
  31. А. М., Мхитарян B.C., JI. И. Трошин. Математическая статистика (для бизнесменов и менеджеров). М.: МЭСИ, 2000.
  32. А. М., Мхитарян B.C. Статистические методы многомерной классификации в экономике. М.: МЭСИ, 1984.
  33. С. А. Прикладной многомерный статистический анализ. М.: Финансы и статистика, 1982.
  34. Н., Смит Г. Прикладной регрессионный анализ. М.: Финансы и статистика, 1986.
  35. И. И. Комплексное использование индексного и регрессионного методов анализа. -Л.: ЛФЭИ, 1981.
  36. И. И., Рукавишников В. О. Логика прикладного статистического анализа. М.: Финансы и статистика, 1982.
  37. И. И., Юзбашев М. М. Общая теория статистики. М.: Финансы и статистика, 1995.
  38. М. Р. Применение метода группировок в анализе эффективности управления. -М.: МЭСИ, 1987.
  39. М. Р. Статистические методы в управлении производством. М.: Финансы и статистика, 1988.
  40. М. Р., Рябцев В. М. Общая теория статистики. М.: Финансы и статистика, 1991.41.3адорожный С. И., Турундаевский В. Б. Марковские случайные процессы в экономике. М.: МЭСИ, 1996.
  41. А. И. Технический анализ валютных и фондовых рынков. Мировой опыт и проблемы применения в России. Автореф. дис.. канд. экон. наук: 08.00.14., 08.00.10 М.: Финансовая академия при правительстве РФ, 1999.
  42. А. Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975.
  43. А. И., Кремер Н. Ш, Савельева Т. И. Математические методы и модели в планировании. -М.: Экономика 1987.
  44. М., Стюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976.
  45. Г. С. Статистический анализ динамических рядов. М.: Статистика, 1974.
  46. Л. Н. Многомерное прогнозирование на основе рядов динамики. -М.: Статистика, 1980.
  47. Н. Б. Практика применения экономико-математических методов и моделей. М.: ЗАО «Финстатинформ», 2000.
  48. Ю. Г., Шмойлова Р. А. и др. Статистическое моделирование и прогнозирование. -М.: МЭСИ, 1985.
  49. В. А. Методология статистического исследования социально-экономических явлений в условиях рыночной экономики. М.: Статистика, 1992.
  50. Р. В., Мейерс Т. А. Энциклопедия технических индикаторов рынка. /Пер. с англ. М.: Альпина, 1998.
  51. В. А. и др. Теория вероятностей и математическая статистика. -М.: Высшая школа, 1991.
  52. А. Н. Экономико-математические методы и средства технического анализа при краткосрочном инвестировании в ценные бумаги. Автореф. дис.. канд. экон. наук: 08.00.13. М.: Государственный Университет Управления, 1999.
  53. Ю. Г. Метод наименьших квадратов в социально-экономических исследованиях. -М.: Статистика, 1980.
  54. Е. Финансовая математика. М.: Финансы и статистика, 1994.
  55. О. П. Изучение статистических зависимостей по многолетним данным. М.: Финансы и статистика, 1991.
  56. Н. Ш., Путко Б. А. Эконометрика. М.: ЮНИТИ, 2002.
  57. . Ф. А. Кандидатская диссертация. Методика написания, правила оформления и порядок защиты. Практическое пособие для аспирантов и соискателей ученой степени. М.: Ось-89, 2000.
  58. М. В. Технический анализ рынка ценных бумаг. На прим. рынка ГКО/ОФЗ. Автореф. дис.. канд. экон. наук: 08.00.10. М.: Российская экономическая академия им. Г. В. Плеханова, 1999.
  59. М. В., Овчинников А. С. Технический анализ рынка ценных бумаг. М.: ИНФРА-М, 1996.
  60. И., Чихачев Н. Трейдер и аналитик вместе или врозь? //Рынок ценных бумаг, № 9,1997.
  61. Курс социально-экономической статистики. Под ред. Назарова М. Г. М.: Финансы и статистика, 1985.
  62. Литтл Джефри, Роудс Люсьен. Как пройти на Уолл-Стрит. /Пер. с англ. -М.: ЗАО «Олимп-Бизнес», 1998.
  63. В. Н. Фундаментальный анализ мировых валютных рынков: методы прогнозирования и принятия решений. -В.: 1999.
  64. Ю. П. Адаптивные методы краткосрочного прогнозирования. -М.: Статистика, 1979.
  65. Ю.П. Финансовая математика. М.: МЭСИ, 2002.
  66. Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика. Начальный курс.- М.: Дело, 1997.
  67. P. %R Вильямса: стохастик или осциллятор? //Валютный спекулянт, № 7 (21), 2001.
  68. В. Э. Курс технического анализа. М.: Серебряные нити, 1997.
  69. М. Математическое программирование. -М.: Наука, 1990.
  70. . В., Беденков Д. Технический анализ: проблема выбора индикаторов. //Рынок ценных бумаг, № 5,1997.
  71. В. С., Трошин Л. И. Статистические методы изучения связей экономических явлений. М.: МЭСИ, 1983.
  72. В. С., Трошин Л. И. Статистический анализ многомерных совокупностей. М.: МЭСИ, 1992.
  73. . Э. Л. Малая энциклопедия трейдера. К.: Альфа капитал: Логос, 1997.
  74. С. Японские свечи: графический анализ финансовых рынков. /Пер.с англ. М.: Диаграмма, 1998. 76. Общая теория статистики. Под ред. Боярского А. Я., Громыко Г. JI. — М.: МГУ, 1985.
  75. Общая теория статистики. Статистическая методология в коммерческой деятельности. Под ред. Спирина А. А., Башиной О. Э. М.: Финансы и статистика, 1994.
  76. О. Г. Игры на рынке валютных фьючерсов. М.- Инфра-М, 1995.
  77. Я. Факторный анализ. М.: Статистика, 1974.
  78. В. Восток -дело тонкое.//Валютный спекулянт, № 1 (1), 2000.
  79. А. А., Первозванская Т. Н. Финансовый рынок: Расчет и риск. М.: Инфра-М, 1994.
  80. . Д. Ю. Теория и практика валютного дилинга. М.: ИНФРА-М, 1996.
  81. В. А. 1 Анализ и прогнозирование транспортной работы морского флота. М.: Транспорт, 1983.
  82. В. А., Горчаков А. А. Методы и модели экономического прогнозирования. -М.: МЭСИ, 1980.
  83. В. А., Скучалина JI. М. Обобщение моделей экономического прогнозирования. М.: МЭСИ, 1982.
  84. Преимущества и недостатки дешевого фунта. //Валютный спекулянт, № 6 (8), 2000.
  85. A.M. и др. Советский Энциклопедический Словарь. М.: Советская Энциклопедия, 1980.
  86. Статистический словарь. Под ред. Королева М. А. М.: Финансы и статистика, 1989.
  87. Статистическое моделирование и прогнозирование. Под ред. Гранберга А. Г. -М.: Финансы и статистика, 1990.
  88. И. П. Общая теория статистики. М.: Статистика, 1978.
  89. Г. Прикладное экономическое прогнозирование. М.: Статистика, 1990.
  90. И. Е. Статистика финансов. Минск: Высшая школа, 1994.
  91. JI. И., Мхитарян В. С. Корреляционный и регрессионный анализ. -М.: МЭСИ, 1981.
  92. Теория и практика технического анализа. //Рынок ценных бумаг, № 22, 1997.
  93. В. В. и др. Экономико-математические методы и прикладные модели. М.: ЮНИТИ, 2002.
  94. Э., Ренц Б. Методы корреляционного и регрессионного анализа.-М.: Финансы и статистика, 1983.
  95. А. А. Производительность труда. Проблемы моделирования роста. М.: Экономика, 1984.
  96. Е. М. Статистические методы прогнозирования. М.: Статистика, 1977.
  97. Ю. А. Статистический анализ состояния российского фондового рынка и прогнозирование курса акций корпоративных эмитентов. Автореф. дис. канд. экон. наук: 08.00.11. М.: МЭСИ, 2000.
  98. Р.А., Бесфамильная Е. Б. и др. Теория статистики. М: Финансы и статистика, 1998.
  99. А. Как играть и выигрывать на бирже. /Пер. с англ. М.: КРОН-ПРЕСС, 1996.
  100. . А. А. Технический анализ товарных и финансовых рынков. -М.: ИНФРА-М, 1996.
  101. . В. Н. Волатильность рынка FOREX. //Валютный спекулянт, № 8 (22), 2001.
  102. . В. Н. Рынок Форекс Ваш путь к успеху. — М.: Светоч JI, 1999.
  103. . В. Н. Стоп лоссы на рынке FOREX. //Валютный спекулянт, № 10(24), 2001.
  104. Achelis, Steven В. Technical Analysis from A to Z. Chicago: Irwin, 1995.
  105. Anderson T. W., Rubin H. Statistical inferences in factor analysis. Proc. 3 Berkeley Symp. Math. Statist. And Propab. Univ. Cailf. Press, 1956.
  106. Appel, Gerald and Hitscher, Fred. Stock Market Trading Systems. Homewood: Dow Jones Irwin, 1980.
  107. Balan, Robert. Elliott Wave Principle Applied to the Foreign Exchange Markets. New York: BBS Financial Publication, 1989.
  108. Bradney, Glyn. Technical Analysis. An Introductory Course. Moscow: Reuters, 1998.
  109. Bressert, Walter J. The Power of Oscillator/Cycle Combinations. Tucson: Bressert and Associates, 1991.
  110. Copsey, Ian. Dow Jones Telerate. Guide to Technical Analysis. Dow Jones Telerate Ltd., 1996.
  111. Diamond, Barbara and Kolar, Mark. 24-Hour Trading. New York: John Wiley & Sons, 1989.
  112. Edwards, Robert D. and Magee, John. Technical Analysis of Stock Trends. New York: New York Institute of Finance, 1992.
  113. Elder, Alexander. Triple Screen Trading System. Futures Magazine, April 1986.
  114. Forst, Alfred J. and Prechter, Robert R. Elliot Wave Principle, Key to Stock Market Profits. New York: New Classics Library, 1978.
  115. Green W. H. Econometrics analysis. Macmillan Publishing Company, New York, 1993.
  116. Gordon, William. The Stock Market Indicators. New Jersey: Investors Press, 1968.
  117. Hamilton, William P. The Stock Market Barometer. New York: Harper Brothers, 1922.
  118. Lane, George. Lane’s Stochastics. Technical Analysis of Stocks and Commodities. Seattle,!984.
  119. Murphy, John J. Technical Analysis of the Futures Markets. New York: Institute of Finance, 1986.
  120. Patel, Charles. Technical Trading Systems for Commodities and Stocks. CA: Trading System Research, 1980.
  121. Pindyck R., Rubinfeld D. L. Econometric models and econometric forecasts. MeGraw-Hill Kogakusha Ltd, Tokyo, 1976.
  122. Plummer, Tony. Forecasting Financial Markets. London: Kogan Page, 1989.
  123. Pring, Martin J. Technical Analysis Explained. 3-rd edition. New York: McGraw-Hill, 1991.
  124. Scarlew, Arthur. Techniques of a Professional Commodity Chart Analyst. New York: Commodity Research Bureau, 1980.
  125. Wilder, Welles J. New Concepts in Technical Trading Systems. Greensboro: Trend Research, 1978.
  126. Williams, Larry R. How I Made $ 1,000,000 Trading Commodities Last Year, 3-th edition. Carmel Valley: Conceptual Management, 1979.125
Заполнить форму текущей работой