И основной, и альтернативные планы игры составляются игроком накануне торговой сессии на основании краткосрочных прогнозов динамики рыночной конъюнктуры. В начале же каждой сессии игрок выбирает наилучший для себя план из имеющихся в его распоряжении альтернатив. Причём указанный выбор осуществляется им по очевидному принципу максимальной близости реально складывающихся на открытие сессии цен на разные виды ценных бумаг с различными вариантами их прогнозов: одним основным и несколькими альтернативными из числа подготовленных игроком накануне. Чем выше квалификация игрока, тем меньше времени ему требуется для предварительного анализа текущего состояния рынка по поступающим оперативным данными и тем выше будет эффект от практического осуществления выбранного плана игры в пределах торговой сессии.

Таким образом, в условиях нестабильной рыночной конъюнктуры, когда попытки внешних корректировок цен со стороны различных групп участников рынка предпринимаются особенно часто, оптимальные действия игрока по планированию биржевых операций на предстоящую сессию осуществляются в следующем порядке:

1) накануне торговой сессии по данным ретроспективных наблюдений над конъюнктурой рынка ценных бумаг игроком составляется основной и ряд альтернативных ему планов покупок и продаж, рассчитанных на разные варианты возможной внешней корректировки цен;

2) непосредственно в начале торгов игрок, основываясь на ценах открытия, определяется в пользу одного (наилучшего) из подготовленных им планов;

3) данный план принимается игроком как руководство к действию на время, оставшееся до окончания торгов.

По завершении сессии при подготовке к очередному торговому дню все перечисленные операции повторяются в той же последовательности. Отметим, что фактор времени в этой методике играет первостепенную роль. В особо сложных ситуациях, когда рынок ценных бумаг сильно разбалансирован, первичный анализ его конъюнктуры может потребовать от игрока очень большого времени, сопоставимого с продолжительностью всей торговой сессией. Однако это, по видимому, неизбежная плата за достигаемое снижение риска потерь благодаря осуществляемому согласованию плана игры с текущим состоянием рыночной конъюнктуры. Отсюда, в частности, следует вывод, что ключевым звеном предлагаемой методики является её первый, подготовительный этап, который отталкивается от набора альтернативных прогнозов динамики рынка ценных бумаг.

Проблема состоит в том, что само понятие альтернативных прогнозов до настоящего времени мало изучено. Между тем, на эвристическом уровне оно давно и успешно эксплуатируется. Любой игрок-практик, приходя на сессию, сначала сверяет свои ожидания (читайте: прогнозы) с реальным состоянием рынка и только по результатам такого анализа приступает к практическим действиям. Причём нередко первоначальный план игры он в ходе сессии меняет на принципиально другой, т.е. альтернативный план, который лучше согласуется с текущей рыночной конъюнктурой. Однако такой примитивный вариант альтернативного планирования пригоден разве что для относительно стабильного рынка. На нестабильном рынке требуется более строгий подход, рассчитанный на множество альтернатив возможных ценовых корректировок. Задача сводится к созданию универсальной динамической модели рынка, способной быстро адаптироваться к разнообразным внешним возмущениям. Довольно общий подход к её решению в распространении на разные виды ценных бумаг и разную степень нестабильности рыночной конъюнктуры основывается на линейной динамической модели стохастического процесса типа “авторегрессия” [5].

Авторегрессионая модель динамики рыночной конъюнктуры. Конъюнктура рынка ценных бумаг характеризуется целым рядом количественных показателей, среди них максимальная (за сессию) цена спроса по каждому виду бумаг, минимальная цена предложения, средневзвешенная цена сделок и другие. В этом ряду особая роль отводится цене последней сделки по результатам торгового дня или цене закрытия. Именно цена закрытия (ЦЗ) кладётся в основу расчета текущего курса ценных бумаг на большинстве валютно-фондовых бирж. Поэтому и планирование биржевой игры основывается, главным образом, на данном конъюнктурном показателе.

Рассмотрим любой конкретный вид ценных бумаг. Например, это могут быть акции какого-либо предприятия, его долговые обязательства или контракты. Обозначим для них ЦЗ по результатам рабочего дня биржи как c(t), где t =1,2,…-- дискретное время или порядковый номер торговой сессии в ряду других, предшествующих ей сессий. Тогда конечная разность первого порядка x(t)=c(t)-c(t-1) будет характеризовать приращение курсовой цены в процессе осуществляемых торгов. При x(t)>0 говорят о росте курса соответствующей ценной бумаги, при x(t)<0 -- о его падении. Наилучшим планом игры в первом случае является, очевидно, покупка ценных бумаг в начале и продажа в конце сессии. Напротив, при снижении цен сначала должна производиться продажа данных акций. При этом важное значение имеет и последующая динамика рынка в моменты t + 1, t + 2,…, t + k, где k – длина интервала анализа.

К сожалению, в большинстве ситуаций значение приращения x(t) игроку заранее не известно и может быть точно определено только по факту завершившихся торгов. А сам механизм формирования курсовой цены подвержен действию множества случайных факторов и поэтому требует специального изучения в каждом конкретном случае. Чаще всего здесь применяется статистический подход [1], основанный на результатах ретроспективных наблюдений. Рассматривая величину приращения ЦЗ x(t) в последовательные моменты времени t=1,2, ., т.е. переходя к понятию временного ряда данных x(1), .,x(n), где n -- объём наблюдений, будем иметь исчерпывающую характеристику динамики курса ценных бумаг для любого текущего момента t=n:

c(n)=c(n-1)+x(n), n=1,2,…

Для игрока, планирующего свои действия на будущую (n+1)-ю сессию решающее значение имеет прогноз приращения курсовой цены на момент t=n+1. Обозначим его как . Основываясь на таком прогнозе, игрок может заблаговременно оценить и саму цену закрытия для предстоящей торговой сессии:

. (1)

Очевидно, что точность такой оценки зависит, главным образом, от метода получения прогноза . В рамках статистического подхода наибольший интерес вызывают оптимальные методы с минимальной дисперсией ошибки прогнозирования [2]. Для этих методов в общем случае будем иметь , где q – порядок применяемой оценки. Конкретный вид и параметры функционала F{×} определяют здесь, как говорят, математическую модель анализируемого временного ряда. Подбор и строгое обоснование последней являются важным исходным звеном любого метода статистического прогнозирования. При этом чаще всего предпочтение отдают моделям линейного вида. Во-первых, во многих случаях линейные динамические модели в достаточной степени адекватно отражают существующую корреляционную связь между последовательными наблюдениями x(t) [6] и, во-вторых, именно для них разработан наиболее эффективный математический аппарат синтеза и анализа [2,3].