Глубокий стохастический анализ компании «PrivateFX»

Здравствуйте Уважаемые подписчики. Очень долгое время в силу некоторых причин я не размещал результатов статистического моделирования деятельности компании «PrivateFX». Эти результаты были получены в сентябре 2016 года по просьбе одного из моих коллег в сфере инвестиций. Сегодня я решил это сделать.

Компания «PrivateFX» была основана в 2015 году.

Основной вид деятельности: предоставление клиентам реального доступа на биржевые и внебиржевые рынки.

Уж не стану гадать о том реальная или виртуальная деятельность скрывается за брендом компании. Это сфера не в моей компетенции. Да и не очень я люблю заниматься детективами.

Скажулишь следующее. Учитывая, что прогнозирвоание значений рыночных цен — крайне сложный процесс (зачастую невозможный без знания априорной информации о внешних факторах), а существующих «успешных» тредеров «разводится» все больше и больше, как и команий, похожих на рассматриваемую… у меня есть основание усомниться в реальной деятельности некоторых «заведений» свзяанных с валютными и фондовыми рынками.

Подчеркну, что хоть и имею своё личное мнение и на счет компании «PrivateFX«, но выражать его не намерен. Хорошее оно или плохое. Статистический анализ должен быть «чист» от эмоций и мнений. Только факты. Только цифры. А личное мнение у каждого будет свое.

И так, где-то так ещё в июле месяце я приступил к построению программно-математической модели на языке R. Меня этот язык поражает все больше. Очень мощная, гибкая и удобная среда. Колоссально экономит время при построении моделей и расчетов.

За основу была взята статистика прихода инвестиций в проект.

В некотором роде была проанализирвоана корреляци посещений сайта с приходом новых инвестиций.

Дата старта проекта была заданной: 1 января 2016 года.

Было сделано следующее (ключевое) предположение: прибыль компания выплачивает не от торговли, а от прихода новых инвестиций.

Оспаривать это предположение не имеет смысл. Это лишь теоретический аспект для построения модели.

Объём инвестированных средств в проект наиболее точно отображается в статистике по вторникам. Именно эти цифры были взяты для «подгонки» модели под реальные данные.

Рассматривать здесь все тонкости построения модели, такие, например, как периоды действия акций, периоды заморозки депозитов и их суммы я не стану. Скажу только, что они были учтены. Модель полечилась сложной. Но если все это описать как и чего — будет очень нудно и длинно. Мне жалко свое и ваше время. Остановлюсь лишь на важных с моей точки зрения моментах.

В процессе моделирования отбирались лишь самые «правдоподобные» варианты развития событий, согласованные с имеющимися данными.

Согласование это проводилось на основании средней допустимой ошибки отклонения смоделированных данных от реальных данных, равной 5%. Формула расчета была такой:

err=median(xi/yi).

Здесь xi – реальные данные, yi – данные, полученные в процессе моделирования, 0.95<err<1.05.

Изначально точкой «останова» процесса моделирования рассматривалось время, когда в проекте осталось средств менее того объёма, который был изначально (в самый первый вторник) по имеющейся статистике (условная точка старта).

Вот пример графика статистического показателя КИ.

Рисунок 1.

Зеленая кривая – это реальная кривая значений показателя КИ взятого из статистики по вторникам, красная — теоретическая кривая реальных значений КИ (получена в процессе моделирвоания, эти цифры клиенты не видят и никогда не увидят), а синяя – теоретическая кривая значений КИ (получена в процессе моделирвоания).

Зеленая и синяя кривые проходят близко и в одном направлении. Статистически они условно неразличимы. Косвенно это говорит о корректности моделирования.

Оранжевая линия – это линия значения КИ в точке старта проекта.

Зеленая прямая линия – это оценка математического ожидания теоретического реального КИ. При пересечении красной кривой зеленой линии – в теории проект «идет» на «дно».

Немного о синей кривой. По сути, это публично обнародованная доходность компании…Как видим она неплохо выглядит… На мой взгляд, когда начинается «флэт» этой кривой (отсутствие явного тренда) – это сигнал к проблемам в компании. А началось это где-то в сентябре этого года – в октябре… в этот же момент красная кривая идет на спад – касса начинает «иссякать», несмотря на то, что в проект все ещё делаются вклады…

Вот графики и результаты, которые я получил, используя коррекцию на ошибку. Кстати процесс моделирования занял гораздо больше времени, чем обычных HYIP-проектов…так как лишь примерно одна из десяти ситуация была близка к реальности на 95 %. Вместо 1000 итераций было выполнено 10144.

График эмпирической функции распределения вероятностей сроков «жизни» проекта.

Рисунок 2.

Гистограмма частот времени «жизни» проекта.

Рисунок 3.

Самые длинные «палки» — наиболее вероятные сроки жизни проекта.

  • Время работы программы: 00:35:52
  • Старт проекта: 2016-01-01
  • С вероятностью 90 % проект закроется позже указанной даты: 2017-06-01
  • С вероятностью 90 % проект ‘проживет’ больше указанного количества дней: 517
  • Осталось ‘дожить’ до указанной даты: 248 дней
  • С вероятностью 80 % проект закроется позже указанной даты: 2017-06-20
  • С вероятностью 80 % проект ‘проживет’ больше указанного количества дней: 536
  • Осталось ‘дожить’ до указанной даты: 267 дней
  • С вероятностью 70 % проект закроется позже указанной даты: 2017-07-02
  • С вероятностью 70 % проект ‘проживет’ больше указанного количества дней: 548
  • Осталось ‘дожить’ до указанной даты: 279 дней
  • С вероятностью 60 % проект закроется позже указанной даты: 2017-07-14
  • С вероятностью 60 % проект ‘проживет’ больше указанного количества дней: 560
  • Осталось ‘дожить’ до указанной даты: 291 дней
  • Максимальная рассчитанная дата закрытия проекта: 2017-11-27
  • Максимальное рассчитанное время жизни проекта: 696

Здесь особо-то комментировать нечего.

С выводами спешить н ебудетм. Рассмотрим нюансы моделирвоания.

Ниже приведен график (пример) изменения недельной дисперсии теоретического реального значения КИ (на рисунке 1 «теоретическое реальное значение КИ» обозначено красным цветом).

Рисунок 4.

Здесь синим цветом обозначено среднее значение дисперсии теоретического реального значения КИ за весь срок жизни проекта (оценка математического ожидания). Красным цветом – это условное математическое ожидание на основе линейной регрессионной модели. Как видно по красной линии дисперсия увеличивается. Значит увеличивается инвестиционный риск. Там, где красная и синяя линии пересекаются – это «переломная» точка или точка бифуркации процесса «жизни» проекта. Наиболее вероятный период — октябрь.

Следующий график – это график теоретической реальной доходности проекта.

Рисунок 5.

Здесь нужно смотреть не на цифры доходности, а на общую тенденцию. Цифры можно «нарисовать» любые, при этом тенденция сохранится. Синяя линия – это ожидаемая доходность проекта (оценка математического ожидания). Она колеблется около нуля. Кто-то ввел средства, кто-то вывел… А вот красная линия – это линейная регрессия или условное математическое ожидание. Она свидетельствует о том, что тенденция доходности проекта в целом падает. Переломный момент в точке пересечения этих дух линий по данному графику 07.10.2016. Дальше начинается «разнос» не в лучшую сторону для инвесторов. Это конечно лишь «точечная» оценка времени начала «разноса» на примере этого графика, что в общем-то для статистики неправильно. Ведь таких графиков было ровно 1000… Поэтому нужно оценивать интервал. Я его оценил. Чаще всего «разнос» наблюдается в октябре. В редких случаях в конце сентября, либо в начале ноября. Вопрос только в том, когда компания решит закрыть проект после этих дней? Будут ли они ждать до конца… когда касса «вернется» в исходное состояние или закроют проект раньше…?

Я провел «сокращённое» моделирование по сценарию №3 (так сказать «гуманизированный» сценарий).

Получилось вот что:

  • Время работы программы: 00:04:10
  • Старт проекта: 2016-01-01
  • С вероятностью 90 % проект закроется позже указанной даты: 2017-02-12
  • С вероятностью 90 % проект ‘проживет’ больше указанного количества дней: 408
  • Осталось ‘дожить’ до указанной даты: 139 дней
  • С вероятностью 80 % проект закроется позже указанной даты: 2017-03-20
  • С вероятностью 80 % проект ‘проживет’ больше указанного количества дней: 444
  • Осталось ‘дожить’ до указанной даты: 175 дней
  • С вероятностью 70 % проект закроется позже указанной даты: 2017-04-13
  • С вероятностью 70 % проект ‘проживет’ больше указанного количества дней: 468
  • Осталось ‘дожить’ до указанной даты: 199 дней
  • С вероятностью 60 % проект закроется позже указанной даты: 2017-04-22
  • С вероятностью 60 % проект ‘проживет’ больше указанного количества дней: 477
  • Осталось ‘дожить’ до указанной даты: 208 дней
  • Максимальная рассчитанная дата закрытия проекта: 2017-09-20
  • Максимальное рассчитанное время жизни проекта: 628

Исходя из полученных данных проект «PrivateFX» может стать банкротом в феврале-марте следующего года. Ну если уж очень повезет, если у руля будут стоять сильные духом личности, то в апреле следующего года.

Вот такая у меня информация. Кто дочитал до конца — молодец. Кто потратил время и разобрался в том, что я написал — вообще уница.

Надеюсь, что эта информация будет принята к сведению и правильно осознана. Результаты торетические. Получены на основе стохастической модели. Подчеркну: НА ОСНОВЕ МОДЕЛИ. Ни какого инсайда. Ни каких утверждений. Ни каких разоблачений в этой статье компании «PrivateFX» нет.

Всем добра.

Похожие статьи:

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *