Фрактальный анализ финансовых рынков: R/S-анализ и показатель Хёрста

Математический аппарат R/S-анализа алгоритмически предельно прозрачен. Временной ряд длины $N$ разбивается на смежные непересекающиеся подпериоды длины $n$. Для каждого подпериода вычисляется среднее значение $m$ и строятся кумулятивные отклонения от этого среднего $X_t = sum_{i=1}^t (e_i - m)$. Затем находится размах (Range) как разность между максимальным и минимальным кумулятивным отклонением: $R = max(X_t) - min(X_t)$. Размах нормируется на стандартное отклонение $S$ внутри этого подпериода. Хёрст эмпирически доказал, что для широчайшего класса природных и финансовых процессов нормированный размах масштабируется по степенному закону: $R/S = (c cdot n)^H$, где $H$ — показатель Хёрста.

Значение показателя Хёрста $H$ служит строгим математическим классификатором стохастических процессов. Если $H = 0.5$, процесс является истинным случайным блужданием (винеровским процессом), приращения независимы, и память отсутствует. Если $0 le H < 0.5$, ряд является антиперсистентным: за ростом цены с высокой вероятностью следует ее падение (розовая или фликкер-шумовая динамика с сильным возвратом к среднему). Самый важный для финансов случай — когда $0.5 < H le 1.0$. Такой процесс называется персистентным (трендовым). Он обладает долговременной памятью: рост в прошлом увеличивает вероятность роста в будущем на макроскопических горизонтах. Эмпирические замеры фондовых индексов (например, S&P 500) стабильно показывают $H approx 0.65 - 0.75$, математически опровергая гипотезу независимости.

Аналитическая связь между показателем Хёрста и дробным броуновским движением (Fractional Brownian Motion, FBM) была формализована Мандельбротом. Он доказал, что корреляция между прошлыми и будущими приращениями в FBM задается формулой $C = 2^{2H-1} - 1$. Для классического рынка ($H=0.5$) корреляция равна нулю. При $H=0.7$ корреляция составляет $C approx 32\%$, и эта зависимость не затухает экспоненциально, как в марковских моделях, а сохраняется бесконечно долго (Long-Range Dependence). Это свойство объясняет возникновение глубоких экономических циклов (эффект Иосифа) и катастрофических крахов (эффект Ноя).

Применение фрактального анализа в алготрейдинге позволяет квантам создавать торговые стратегии, адаптированные к режиму рынка. Если R/S анализ на скользящем окне показывает $H > 0.6$, запускаются трендовые алгоритмы (Trend Following). Если $H$ падает ниже 0.5, активируются стратегии статистического арбитража (Mean Reversion). Фрактальная гипотеза рынка математически доказывает, что инвесторы с разными инвестиционными горизонтами по-разному интерпретируют информацию, создавая сложную масштабно-инвариантную структуру ликвидности, которая разрушается лишь во время глобальных паник, когда все горизонты схлопываются в один.

Список литературы:
1. Peters E.E. Fractal Market Analysis: Applying Chaos Theory to Investment and Economics. — Wiley, 1994.
2. Mandelbrot B.B. The Fractal Geometry of Nature. — W.H. Freeman and Company, 1982.
3. Ширяев А.Н. Основы стохастической финансовой математики. — М.: ФАЗИС, 2004.
Эксперты: Эдгар Питерс, Бенуа Мандельброт, Гарольд Хёрст.