Прогнозирование
Прогнозирование (Forecasting) — это процесс формирования обоснованных ожиданий относительно будущего направления цены финансового инструмента на основе доступных данных: исторических котировок, экономической статистики, корпоративной отчётности и поведения участников рынка.
Ценность прогноза определяется не тем, угадал ли аналитик направление, а тем, можно ли на его основе принять решение с положительным математическим ожиданием. Исследование Филипа Тетлока (Expert Political Judgment, 2005) показало, что средний эксперт предсказывает будущее ненамного лучше случайного выбора. Но часть аналитиков стабильно опережает базовые модели, и методы, которые они используют, поддаются систематизации. Именно эта граница между «угадать» и «систематически извлекать преимущество» отделяет прогнозирование от гадания. На практике ни один известный метод не даёт устойчивого преимущества без постоянной адаптации к меняющемуся рынку.
Горизонты прогнозирования
Точность и методы прогноза радикально различаются в зависимости от временного горизонта. На коротком интервале доминирует микроструктура рынка, на длинном начинает работать экономическая логика.
Парадокс в том, что краткосрочные прогнозы кажутся проще (меньше неизвестных), но на деле предсказать движение Сбербанка на ближайший час труднее, чем направление индекса МосБиржи на ближайший год. На коротких интервалах шум доминирует над сигналом, на длинных фундаментальные факторы постепенно перевешивают.
Выбор горизонта определяет набор инструментов. Технический анализ работает на интервалах от минут до недель, фундаментальный подход — от месяцев до лет. Попытки применять графические паттерны для годовых прогнозов или мультипликаторы для внутридневной торговли одинаково бесплодны.
Ограничения и ловушки
Главная ловушка количественного прогнозирования называется переоптимизацией. Модель настраивается на исторические данные до тех пор, пока не начинает показывать на них идеальный результат. На реальном рынке такая модель разваливается, потому что она запомнила шум прошлого, а не закономерность. Кванты, работающие с алгоритмическими стратегиями, тратят на валидацию (разделение данных на обучающую и тестовую выборки, проверка на другом рынке или периоде) больше времени, чем на саму разработку модели. Исследование ВШЭ (2026) на данных десяти ликвидных акций МосБиржи за 2014–2025 годы показало, что модели машинного обучения повышают точность прогнозирования волатильности на 23% по сравнению с классическими эконометрическими методами, но только при правильной валидации на вневыборочных данных.
Помимо переоптимизации, на точность влияет адаптивность самого рынка: если паттерн надёжно предсказывает разворот, достаточно большого числа трейдеров, торгующих этот паттерн, чтобы он перестал работать. Когнитивные искажения усиливают проблему. Аналитик, предсказавший рост нефти, начинает замечать только подтверждающие новости и игнорировать противоречащие. Аналитик, промахнувшийся с прогнозом, убеждает себя, что «рынок ошибается, а не он», и увеличивает позицию вместо пересмотра тезиса. Есть и события, принципиально не поддающиеся прогнозированию: пандемия COVID-19 обрушила индекс МосБиржи на 33% за месяц в 2020 году, ни одна количественная модель не включала «глобальный локдаун» как входной параметр.
Вероятностный подход
Точечный прогноз («Сбербанк будет 350 ₽ через три месяца») почти бесполезен для принятия решений. Полезен вероятностный: «с вероятностью 60% Сбербанк будет в диапазоне 320–380 ₽, с вероятностью 20% выше 380 ₽, с вероятностью 20% ниже 320 ₽». Такая формулировка позволяет рассчитать размер позиции, расставить защитные уровни и оценить соотношение прибыли к риску до входа в сделку. Именно поэтому профессиональные аналитики формулируют торговые прогнозы не как точки, а как диапазоны с привязанными вероятностями.
Принципы, повышающие качество прогнозов:
Калибровка: если аналитик присваивает событию вероятность 70%, то из 100 таких прогнозов примерно 70 должны реализоваться. Систематическое отклонение указывает на переоценку или недооценку собственной уверенности
Обновление по Байесу: новая информация (отчёт компании, решение ЦБ, макростатистика) должна сдвигать оценку вероятности, а не подтверждать ранее выбранную позицию. Предвзятость подтверждения — самая разрушительная ошибка прогнозиста
Декомпозиция: сложный вопрос («вырастет ли рынок?») разбивается на компоненты: что будет с прибылями компаний? как изменится ключевая ставка? какова премия за риск? Каждый компонент прогнозируется отдельно, а общий результат собирается из частей
Ведение журнала: без записи прогнозов и их последующей проверки невозможно отличить навык от удачи. Аналитик, который не ведёт статистику своих прогнозов, не знает своей реальной точности
Прогнозирование на российском рынке
Российский рынок добавляет к стандартным сложностям прогнозирования собственные: концентрация индекса в нескольких секторах (нефтегаз, банки, металлургия), зависимость от курса рубля и цен на сырьё, геополитический фактор, который после 2022 года стал доминирующим для целых классов активов.
Консенсус-прогнозы инвестбанков по российским акциям исторически показывали умеренную экономическую ценность. Исследование ВШЭ на данных 2006–2010 годов выявило, что на растущем рынке точнее оказывались иностранные банки, а в кризис лучшие результаты показывали российские аналитики с глубоким пониманием локальной специфики. Сейчас, когда иностранные инвестдома ушли с российского рынка, прогностическое поле сузилось до отечественных команд: SberCIB, Т-Инвестиции, БКС, Синара.
Для инвестора это означает меньшую конкуренцию аналитических мнений и, как следствие, большую вероятность группового мышления в консенсус-прогнозах. Когда все четыре аналитических дома дают по акции целевую цену в узком коридоре, это не обязательно повышает достоверность, иногда все четыре просто используют схожие модели с одинаковыми вводными. Собственный критический анализ вместо слепого следования целевым ценам стал не рекомендацией, а необходимостью.
