[![][1]][2] В нашем блоге на Хабре мы не только рассматриваем различные технологии финансового рынка, но и описываем различные инструменты, использующиеся [аналитиками][3] в ходе его анализа. В частности, не так давно мы писали о том, как гипотезу случайного блуждания можно [использовать][4] для прогнозирования состояния финансового рынка. Количественный аналитик хедж-фонда NMRQL Стюарт Рид опубликовал на сайте Turing Finance результаты своего исследования, где применил эту гипотезу для тестирования случайности поведения рынков. Идея заключалась в следующем: генераторы случайных чисел «прогоняются» через группу тестов NIST, чтобы понять, где возникает уязвимость, позволяющая использовать неэффективность рынка для извлечения прибыли. В ходе эксперимента автор пришел к выводу, что поведение рынка нельзя описать в терминах простого подбрасывания монетки, как считают отдельные авторитетные ученые. Некоторым тестам удалось зафиксировать определенный уровень «шума» в поведении рынка. Один из них – тест на линейную сложность – привлек внимание автора, поскольку напоминает об идее отношения случайности и степени сжатия. В новой статье Рид [попытался][5] выяснить, какую пользу могут принести алгоритмы сжатия данных для поставленной ранее задачи. Мы представляем вашему вниманию адаптированный перевод этой работы. [Читать дальше →][6]

[1]: https://habrastorage.org/files/336/f29/73a/336f2973a5d349ee8fe60b9bd30546b6.png
[2]: https://habrahabr.ru/company/itinvest/blog/283252/
[3]: http://www.itinvest.ru/analytics/
[4]: https://habrahabr.ru/company/itinvest/blog/280954/
[5]: http://www.turingfinance.com/lossless-compression-algorithms-and-market-efficiency/
[6]: https://habrahabr.ru/post/283252/?utm_source=habrahabr&utm_medium=rss&utm_campaign=feed_posts#habracut