Панушкин В.Г.,
бизнес-консультант, MBA
Статья посвящена изучению возможности использования категорий социальной матрицы (социомы) для прогнозирования текущих курсов доллара США и евро. На материалах реального длительного исследования показаны корреляции между частотой упоминания тех или иных ключевых слов в экономическом информационном потоке и текущим курсом валюты. Результаты исследования помогут лучше оценивать ситуацию на валютном рынке.
Некоторое время назад в СМИ прошла информация о том, что по частоте упоминания слова «долг» в результатах поиска можно судить о текущем валютном курсе. Так ли это?
Фиксирование текущей ситуации на рынке и прогноз ее развития на перспективу – главная задача маркетолога любой компании на любом рынке. Постоянный мониторинг рынка обеспечит не только жизнеспособность, но и первенство компании. Для простоты обычно выделяются несколько ключевых факторов, определяющих успех всего дела, по которым и идет сбор данных. Прежде всего (а порой и только) это факторы экономического характера. Их выбор определяется простотой и четкостью фиксирования (курс валюты, объем производства, объем прибыли и т.п.). При этом очевидно, что все экономические факторы – следствие глубинных и плохо фиксируемых в числовом выражении процессов. Именно эти нефиксируемые процессы и играют роль регулятора цен и доходов. Если бы у нас был инструмент, способный фиксировать эти иррациональные факторы в цифре, мы, вероятно, смогли бы с большей точностью делать предположения о тенденциях развития ситуации в своем рынке.
Возьмем, к примеру, валютный рынок. Конечно, здесь есть свои КФУ. Но порой достаточно одного слова некой ключевой персоны, чтобы ситуация изменилась в корне.
В №6 за 2013 г. журнала «Маркетинг в России и за рубежом» я опубликовал статью о подходе к использованию социальной матрицы (социомы) в маркетинговом исследовании. Данная же статья делает попытку показать на реальном примере, как практически можно использовать этот подход в маркетинговом исследовании для лучшего понимания такого фактора, как изменение курса основных мировых валют к текущему курсу рубля.
Итак, кратко задачу мы формулируем как исследование динамики рыночных показателей методом экспресс-анализа категорий социомы на примере изменения курсов доллара США и евро.
Напомню, что социома (социальная матрица) – эмоционально-смысловой портрет текущей ситуации, построенный на основе анализа существующей о ней текстовой информации. Обобщая и обрабатывая неструктурированную текстовую информацию, мы можем делать предположения о потенциальных направлениях развития ситуации.
Выдвигаемую гипотезу исследования кратко можно сформулировать так: текущий валютный курс как вид одного из социальных договоров определяется мнениями участников этого договора, выраженными не только в числовом, но и в текстовом формате.
Гипотеза может быть доказана (или опровергнута) в том случае, если будет выявлена (или не выявлена) устойчивая (длительная) связь между текущим курсом валют и неким сводным коэффициентом мнений большинства наиболее значимых участников этого договора. В качестве такого сводного коэффициента может быть принята устойчивая корреляция с одной (или несколькими) категориями социомы валютного рынка. В том случае, если выдвинутая гипотеза получит свое подтверждение, мы получим новый метод прогнозирования валютных курсов.
В этой связи важно отметить несколько моментов:
Во-первых, сегодня уже существуют алгоритмы анализа и прогноза валютных курсов, хорошо зарекомендовавшие себя в биржевой деятельности. Среди них можно упомянуть методы, основанные на анализе фундаментальных факторов методы, основанные на техническом анализе результатов предыдущих периодов курсовой динамики; группу экономико-математических методов (искусственные нейронные сети, генетические алгоритмы, методы эволюционного программирования). Эти факторы легко фиксируемы. Но они не способны учесть (или хотя бы предположить) психологическую составляющую, которая порой определяет «подводные» течения.
Во-вторых, предполагаемый нами метод должен легко переноситься на любой рынок, на прогнозирование поведения любых потребителей.
Очевидно, что сформулированная гипотеза не предполагает отказа от учета чисто экономических факторов. Но для чистоты исследования мы решили отказаться сейчас от всех перечисленных прогностических моделей и использовать только метод социоматического анализа для выявления его надежности и достоверности.
Для проверки гипотезы были сделаны подписки на специализированные финансовые RSS-каналы. Среди этих каналов были такие источники, как Яндекс [3], Коммерсант-Деньги [4], РБК [5], Финмаркет [6], Лента.Ру [7]. Выбор именно этих RSS-каналов определялся степенью профессионализма канала и его чистотой (долей включенности в поток информации, не относящейся к финансовым вопросам). Весь информационный поток перечисленных каналов анализировался на предмет частоты упоминания в нем слов из 256 категорий (до 200 самостоятельных понятий в каждой категории), составляющих социому валютного рынка (подробнее о методе социоматического анализа см. в [1]).
Данная статься описывает период исследования с 23 сентября 2013 г. по 28 января 2014 г. Всего было выполнено 94 среза. Для чистоты эксперимента все срезы совершались ежедневно в одно и то же время, не позднее 21 часа по московскому времени. При этом до проведения среза удалялась из базы данных вся информация, собранная до текущей недели (до предыдущих 7 дней). Такая фильтрация была применена не сразу, а по истечении двух недель после совершения первого среза.
В качестве источника информации о текущем курсе доллара США фиксировались ежедневно обновляемые официальные данные ЦБ РФ о курсах валют [2].
В ходе исследования для подтверждения или опровержения выдвинутой гипотезы необходимо было выявить хотя бы 1 из 256 категорий социомы, которая фиксировала бы надежную положительную или отрицательную корреляцию с текущими валютными курсами.
Хотя основной акцент в описываемом исследовании делался на поиск корреляций между данными социомы и курсом доллара США, я не мог не делать попыток вести аналогичные сопоставления и с текущим курсом евро. Необходимость такого сопоставления была вызвана соображением о том, что, хотя каждая из этих валют эмитируется своим самостоятельным банком, обе валюты должны
иметь примерно одинаковые корреляции с данными социомы. Конечно, эти корреляции могут отличаться и отличаться очень сильно, но общий тренд обязан быть одинаковым, фиксирующим единую картину изучаемого рынка. За достоверный положительный или отрицательный коэффициент принимались только корреляции больше 0,5 или меньше -0,5.
Изучая качественную динамику явления, интересно увидеть весь спектр отношений этого явления. Для этого все 256 категорий матрицы были выстроены в определенной последовательности – построчно. В результате получился перечень из 16 групп по 16 категорий в каждой группе, где первые 8 позиций заняли группы категорий, ориентированные на обмен и взаимодействие; последние 8 позиций заняли группы категорий, ориентированные на подавление и уничтожение. То есть в первых 8 позициях чаще упоминаются слова, смысл которых связан со взаимодействием, обменом, взаимопониманием и поддержкой, во второй части чаще используются слова, предполагающие контроль, регулирование, ограничение и уничтожение. Напомним, что внутри каждой группы представлены не только категории этих двух полюсов (обмен и подавление), но и другие, отражающие широкий спектр человеческих отношений. Подсчитав все взаимные корреляции между категориями, мы получили спектр этих корреляций (рис. 1) на определенную дату. Для удобства пояснения мы пронумеровали сектора спектра от 1 до 4.
Представленные на рис.1 данные отражают текущее состояние взаимных корреляций между накопленными данными категорий социомы.
Первое, что наиболее ярко выделяется, – диагональные линии из сектора 1 в сектор 4. Это максимально выраженные положительные корреляции между отдельными категориями. Эти линии не представляют особого интереса – это корреляции отдельной категории к самой себе, а поэтому они всегда будут равны 1 и всегда будут ярче данных всех остальных категорий. В цветном варианте спектра корреляций эти линии ярко-красные.
Идущие параллельно осевой линии по обе ее стороны две другие, менее яркие линии также не слишком интересны – они появились в связи с тем, что каждая соседняя категория учитывает значения смежных, а поэтому их появление также заранее понятно и предсказуемо. Важно отметить, что подавляющее большинство темных пятен – это красные, положительные корреляции, за исключением нескольких, о которых речь пойдет дальше. То есть максимально ярко коррелируют с ситуацией динамики курса валют категории социомы, вошедшие в группу Обмен и Взаимодействие.
Минимальные значения корреляций располагаются на противоположном полюсе – в группе Подавление и Уничтожение. По представленному спектру также видно, что корреляции по отдельной категории плавно меняют свой знак с положительного на отрицательный от группы Обмена и Взаимодействия к группе Подавление и Уничтожение. Думаю, это также понятно и вполне закономерно, так как деньги (валюта) предполагают именно ситуации обмена и взаимодействия.
Но в представленном спектре есть минимум два момента, на которые, на мой взгляд, следует обратить особое внимание.
Первый – в секторе 2 хорошо заметно пятно (обведено овалом на рис. 1) увеличения корреляций нескольких связанных категорий с постепенным их снижением к сектору 4. Это категории, которые, хотя и входят в группу Подавления, описывают процесс взаимодействия (Созидание, Согласие и проч.), а также обозначают факторы, влияющие на изменение курса валют (Централизация, Законотворчество, Власть и проч.).
Второй – в секторе 1 (Обмен и Взаимодействие) четко видна линия, объединяющая несколько категорий, по отношению к которым все остальные категории проявляют удивительное единство. Это отрицательная корреляция, объединяющая категории социомы Скорбь и Горе. С этими двумя категориями меньше всего коррелируют все оставшиеся 254 категории (из 256).
К моменту написания этой статьи подтвердилась мысль о том, что существуют долговременные устойчивые корреляции между текущим курсами доллара, евро и некоторыми категориями социомы валютного рынка (рис. 2).
Из представленных на рис. 2 данных видно, что различные категории социомы по-разному коррелируют с курсами доллара и евро. При этом наиболее ярко проявляются накопительные отрицательные корреляции. Среди них ярче всего (и с большим постоянством) проявляются отрицательные корреляции таких категорий, как (по увеличению): Подмена (доллар = -0,69, евро = -0,61), Торговля (доллар = -0,69, евро = -0,65), Сопереживание (доллар = -0,57, евро = -0,64), Творчество (доллар = -0,54, евро = -0,51) и ряд других. Эти отрицательные корреляции говорят о том, что, чем чаще в экономическом потоке информации упоминаются слова из названных категорий, тем меньше вероятность того, что доллар или евро будут расти.
Но если отрицательные корреляции показывают постоянство, то положительные корреляции значительно капризнее. Они несравнимо динамичнее, и назвать категории, которые проявляют длительные положительные корреляции с курсами валют, сложно. Но к их числу можно было бы отнести такие, как Риск, Ассистирование, Власть, Гарантирование, Превосходство, Служение, Повелительность и др. Если в течение первых двух месяцев эти категории показывали высокий уровень положительных корреляций, то со временем их показатели не только стали ослабевать, но и полностью по некоторым из них поменяли свой знак с положительного на отрицательный. Очевидно, что такие категории, к примеру, как Власть и связанная с нею Повелительность, могут сильно влиять на состояние валюты.
А теперь внимательнее посмотрим на связь курсовой динамики с проявлениями категорий социомы в течение всего периода исследования.
Все рисунки (3, 4, 5 и 6) выполнены в соразмерном с курсом доллара США масштабе, чтобы легче можно было отследить существующие закономерности.
Как видно из всех рисунков корреляций отдельных категорий социомы валютного рынка, в период с 27 октября по 12 ноября они четко распределились на две группы с положительными и отрицательными знаками. Важно отметить, что дата 12 ноября четко совпала с изменениями процедуры съема данных. Если до 12 ноября динамика по всем категориям отслеживалась по накопленным данным за 2 года, то начиная с 12 ноября данные стали отслеживаться только за период в 1 неделю (за предшествующие срезу 7 дней). Это замечание важно отметить, чтобы было понятно, что на массиве данных в полтора миллиона текстовых сообщений и на массиве в несколько десятков тысяч сообщений категории социомы показывают разные корреляции.
Если в первом случае они были стабильно устойчивы, то во втором они стали динамично неустойчивы. Именно их единение и стабильная устойчивость заставили изменить процедуру исследования, так как они неминуемо представляли бы только две линии без возможности выделения особенностей отдельной категории. Сократив же массив анализируемых данных в несколько раз, интересно было увидеть проявления отдельных категорий по отношению к курсу доллара США и евро. При этом особенно интересен тот факт, что если до 12 ноября категория Взаимодействие (рис. 3) проявляла себя как стабильно положительно ориентированная к курсу доллара, то после 12 ноября знак этой категории изменился на противоположный. Это говорит о том, что ни одну категорию нельзя рассматривать как стабильно положительную или стабильно отрицательную. На большом массиве иррациональные механизмы сознания сглаживаются, формируя устойчивое представление о предмете или явлении (создаются такие понятия, как «ментальность», «предрассудки», «традиции» и т.п.), а на небольшом массиве за кратковременный период отношение той или иной категории к анализируемой ситуации может меняться на диаметрально противоположное. Обратим внимание также на то, что именно эта категория (Взаимодействие) к концу изучаемого периода опять стала менять знак корреляции по отношению к курсу доллара.
Вторая категория, которая повела себя тоже неожиданным образом, была категория Фанатизм (рис. 4). Здесь важно отметить, что тезаурус этой категории был сформирован словами, относящимися как к религии, так и к спорту и искусству.
Но если до 25 ноября категория Фанатизм твердо показывала корреляции не выше -0,8, то в период с 25 ноября по 7 января корреляции стабильно держались в промежутке от -0,6 до -0,5, а после 7 января устремились вверх, поменяв свой знак на противоположный 24 января 2014 г. Но период с 25 ноября по 7 января – это период активной подготовки и празднования религиозных и светских праздников – Рождества, Хануки, Нового года. При этом курс доллара до 9 января был относительно стабильным и даже несколько снижался в отдельные периоды. Обращает на себя внимание и тот факт, что с началом подъема курса доллара также активно стал меняться и знак категории Фанатизм, перейдя 24 января нулевую отметку.
Также после 27 января разбились и большинство отрицательных корреляций на веер самостоятельных линий, стремящихся в положительную область диаграммы.
Наибольшую стабильность до конца изучаемого периода показали категории Торговля и Подмена. Здесь важно уточнить, что под словом Подмена понимается замещение одного предмета или явления другим. Этот смысл может нести как положительную, так и отрицательную эмоциональную окраску (Подмена в смысле Обмен валюты и Подмена в смысле искажение документов или ситуации, введение в заблуждение).
Важно также отметить, что все значимые и представленные на графиках категории показали удивительное единство в склонности к отрицательной корреляции 27 января. Вероятно, это может говорить о стабилизации ситуации с курсом доллара в посленовогодний период.
Для сопоставления данных посмотрим динамику этих же категорий в отношение курса евро – рис. 7, 8, 9 и 10.
Рассматривая динамику корреляций категорий социомы к текущему курсу евро и сравнивая их с такой же динамикой этих категорий по отношению к курсу доллара США, видим, что категории социомы к евро ведут себя несопоставимо разнообразнее. Это говорит о том, что, хотя общие закономерности у курсов евро и доллара, видимо, едины, внутренние механизмы, определяющие динамику курса евро, отличаются от механизмов, определяющих динамику курса доллара США.
Более того, на мой взгляд, можно было бы предположить, что похожесть механизмов обеих валют призрачна и видна только на небольшом временн.ом промежутке с небольшим массивом данных в несколько десятков тысяч единиц информации (информационных сообщений RSS-потоков экономических и финансовых изданий). На большом же массиве данных механизмы, формирующие курс евро, видимо, принципиально другие – обращает на себя внимание левая часть всех графиков категорий социомы в форме головы осьминога. У курса доллара этой «головы» просто нет. То есть в период с 12 по 20 ноября 2013 г. с резким сокращением анализируемого массива данных диаметрально изменились знаки корреляций.
Все показатели корреляций после 20 ноября очень похожи на динамику корреляций по отношению к курсу доллара.
Так же как и с курсом доллара, наиболее стабильно показывают себя категории Торговля и Подмена с отрицательными корреляциями не выше -0,58. И так же как и с курсом доллара, к концу наблюдаемого периода 27 января все корреляции устремились в отрицательную область диаграммы, что, вероятно, говорит о приближающейся стабилизации курса евро. Так же как и с курсом доллара, наиболее яркие положительные корреляции заметны у категорий Служение и Превосходство. Однако подавляющее большинство положительных корреляций почти не попадают в доверительный интервал выше 0,5. Названные две положительные корреляции Служение и Превосходство находятся в этом интервале до 21 января, а затем начинают двигаться в отрицательную область. Подобно тому, как вела себя категория Фанатизм по отношению к курсу доллара, она ведет себя и по отношению к курсу евро – после относительной стабильности до 7 января эта категория начинает активно стремиться в положительную область диаграммы и пересекает нулевую отметку 17 января.
Текущий этап исследования приводит нас к следующим выводам:
1. Выдвинутая в начале статьи гипотеза о том, что текущий валютный курс как вид одного из социальных договоров определяется мнениями участников этого договора, получила свое частичное подтверждение. Да, существуют устойчивые, как положительные, так и отрицательные, корреляции между текущим курсом валюты и проявлениями определенных категорий социомы валютного рынка.
Однако эти корреляции зависят от объема исследуемого массива данных, а также продолжительности временн.ого периода, на котором проходит исследование.
По этим корреляциям можно судить об изменениях курса валюты, однако эти выводы должны подкрепляться специальными экономическими исследованиями.
2. Психологическая (иррациональная) составляющая играет большую роль в формировании спроса на продукт. Предлагаемый в статье метод позволяет не только выявлять смысловые ориентиры (категории социомы), но и видеть степень их взаимной значимости и соподчиненности (иерархии) для участников рынка.
3. Хотя описанное в статье исследование проходило в течение трех месяцев, этого временного периода пока недостаточно для формулирования ясных закономерностей.
4. Подобный метод исследования вполне может быть применим для анализа иррациональной составляющей на любом другом рынке или его сегменте. Однако для того, чтобы можно было получить достоверные результаты, должен быть проведен специальный отбор четко фиксируемых контрольных критериев, а также специально подобраны информационные потоки, наиболее ярко отражающие мнения потребительской аудитории.
Заключение
Иррациональные рыночные механизмы играют важную роль в формировании текущей договоренности о цене на продукт, его качестве, объеме производства и каналах сбыта. Сложность фиксирования этих иррациональных механизмов очевидна. Но также очевидна и необходимость учета их изменчивости. Думаю, не будет большим преувеличением предположить, что та компания (пусть даже самая маленькая), которая научится собирать, систематизировать и анализировать динамику иррациональных механизмов по своему продукту, обязана стать лидером
своего рынка.
Используемые источники
1. Анализ тезаурусов социальных групп // Маркетинг в России и за рубежом. – 2013. – № 6.
2. Официальный сайт ЦБ РФ [Электронный ресурс]. URL: cbr.ru/currency_base/dynamics.aspx
3. RSS-поток Яндекс-финансы [Электронный ресурс]. URL: news.yandex.ru/finances.rss
4. RSS-поток Коммерсант-Деньги [Электронный ресурс]. URL: dynamic.feedsportal.com/pf/438802/http://feeds.kommersant.ru/RSS_Export/RU/money.xml
5. RSS-поток Финансы– РБК [Электронный ресурс]. URL: static.feed.rbc.ru/rbc/internal/rss.rbc.ru/rbc.ru/mainnews.rss
6. RSS-поток Финансы–Финмаркет [Электронный ресурс]. URL: finmarket.ru/rss.asp
7. RSS-поток Финансы_Lenta_RU [Электронный ресурс]. URL: lenta.ru/rss/news/finance/ |
Журнал «Маркетинг в России и за рубежом»
