Subscription request:

podpiska@panor.ru

For all questions:

+7 495 274-22-22

UDK: 334

Analysis of the impact of volatility on the effectiveness of trend-based algorithmic strategies: a comparative analysis using historical data

Koltsov Mikhail A. PhD student at the Plekhanov Russian University of Economics Russian Federation, 117997, Moscow, Stremyanny per., 36, E-mail: activemike@icloud.com
Prodanova Natalia A. Doctor of Economics, professor, professor of the chair of State and municipal finance department, Plekhanov Russian University of Economics 36 Stremyanny av., Moscow, 117997, Russian Federation, E-mail: prodanova-00@mail.ru, ORCID: 0000-0001-5140-2702

The subject of consideration in this article is the analysis of the impact of volatility on the effectiveness of trend algorithmic strategies, with an emphasis on comparative analysis conducted using historical data. In conditions of market turbulence accompanied by bursts of volatility, the effectiveness of these strategies is undergoing significant changes, which necessitates a comprehensive assessment of their ability to adapt to changing market conditions. The analysis of historical information makes it possible to identify patterns that determine how the effectiveness of strategies depends on volatility levels, and creates prerequisites for the development of more stable and profitable algorithmic trading systems.

Актуальность настоящего исследования обусловлена возрастающим влиянием алгоритмической торговли на функционирование современных финансовых рынков.

В условиях нелинейной динамики рыночной конъюнктуры и эскалации неопределенности тщательная оценка колебаний рыночной динамики и их влияния на результативность трендовых алгоритмических стратегий приобретает особую значимость для участников рынка и специалистов по разработке алгоритмов.

Цель исследования: выявление закономерностей и количественная оценка воздействия волатильности на доходность и устойчивость трендовых алгоритмических стратегий с акцентом на сравнительный анализ исторических данных акций Apple (AAPL) за период 2018–2023 годов. Выбранный период охватывает разнообразные фазы рыночной динамики, включая этапы стабильного роста, повышенной волатильности в связи с пандемией COVID-19 и последующее восстановление. Исследованы стратегии, основанные на скользящих средних (SMA, EMA), индикаторах MACD и ADX.

Задачи исследования: оптимизация параметров выбранных трендовых алгоритмов на стационарных участках исторических данных для определения базовой эффективности; сегментация исторических данных по уровням волатильности, рассчитанной на основе исторической волатильности и индекса VIX, для выявления влияния волатильности; сравнительный анализ эффективности трендовых стратегий в условиях различной волатильности для оценки их чувствительности к рыночной конъюнктуре; идентификация оптимальных параметров трендовых стратегий для различных уровней волатильности; интерпретация полученных результатов в контексте существующих исследований и выдвижение рекомендаций по адаптации трендовых стратегий к текущим рыночным условиям.

Материалы и методы исследования. В процессе анализа применялись методы статистического анализа, включающие расчет стандартного отклонения доходностей для оценки исторической волатильности, а также сегментацию данных по уровням волатильности. Для оптимизации и оценки базовой эффективности алгоритмов в условиях стабильности использовались методы оптимизации параметров на стационарных участках. Сравнительный анализ эффективности стратегий проводился с использованием исторических данных и оценки доходности и просадки в различных рыночных условиях. Также применялись методы анализа графиков и таблиц для визуализации и интерпретации полученных результатов.

For citation:
Koltsov Mikhail A., Prodanova Natalia A., Analysis of the impact of volatility on the effectiveness of trend-based algorithmic strategies: a comparative analysis using historical data. Accounting and Tax Assessment in Budget Organisations. 2026;2.
The full version of the article is available for subscribers of the journal
Article language:
Actions with selected: