Внутри стратегии НБК по юаню: что означает растущий разрыв фиксинга и почему прогнозы ИИ не срабатывают

С декабря 2025 года этот рычаг был переведён в отрицательное положение. Это означает, что НБК систематически устанавливает фиксинг слабее, чем диктовала бы механическая формула, тем самым напрямую замедляя укрепление юаня . Цифры отражают эту политику в действии:

• 22 апреля 2026 г.: Фиксинг 6,8635 против рыночной оценки 6,8233 — отклонение на 0,59% .
• 15 мая 2026 г.: Фиксинг 6,8415 против оценки Reuters 6,7976 — разрыв примерно в 440 пипсов .
• 18 мая 2026 г.: Фиксинг 6,8435 против оценки 6,8086 — разрыв аналогичного масштаба .

Мотивация кроется в рекордной торговой машине. Экспорт Китая достиг 3,8 триллиона долларов в 2025 году, сформировав положительное сальдо в 1,2 триллиона долларов . Неконтролируемый рост юаня подорвал бы ценовые преимущества экспортёров именно тогда, когда дефляционное давление внутри страны и без того подавляет потребительскую уверенность . НБК балансирует на канате: допускать плавное укрепление — уже достигшее 8% — и одновременно предотвращать быстрые однонаправленные движения, привлекающие спекулятивный «горячий» капитал и дестабилизирующие валюту .

Отрицательный антициклический фактор — это продуманный полушаг: он сигнализирует, что дальнейшее укрепление допустимо, но в темпе, выбранном центробанком, а не рынком .

Как трейдеры используют ИИ для обратной расшифровки фиксинга

Для трейдеров ежедневный фиксинг — это самая важная цифра азиатской сессии. Ошибка в прогнозе может стоить недель прибыли. Это спровоцировало настоящую гонку вооружений в прогнозировании, в центре которой оказались модели глубокого обучения на основе трансформеров — той же архитектуры, что лежит в основе больших языковых моделей.

В исследовании 2024 года Лу Чжао и Вэй Ци Ян обнаружили, что модели на основе трансформеров «значительно превосходят» LSTM и другие нейронные сети в предсказании валютных курсов, особенно в периоды высокой волатильности . В частности, Temporal Fusion Transformer (TFT) достиг R² до 0,94 в независимом тестировании, а добавление индексов волатильности вроде VIX ещё больше повысило точность .

Наиболее прямая академическая работа в этом направлении — коллаборация 2024 года между Колледжем вычислительной техники и науки о данных Наньянского технологического университета (NTU), Центральным университетом финансов и экономики и Китайской академией наук. Исследователи оспорили стандартный подход ручного конструирования финансовых факторов и предложили сквозную модель Intraday Risk Factor Transformer (IRFT), которая извлекает скрытые прогностические признаки напрямую из сырых рыночных данных — по сути, автоматизируя поиск скрытого антициклического фактора .

Отдельные исследования в NTU расширили это направление. Одна работа применила глубокое обучение для прогнозирования временных рядов на рынке форекс и использовала контрфактические объяснения, чтобы сделать рассуждения модели интерпретируемыми . Проект «DeepForex» на GitHub, связанный с исследователем из NTU, объединил ценовую модель-трансформер с торговым агентом на основе Deep Q-Network (DQN) для автоматического исполнения сделок .

Институциональный интерес, особенно со стороны Банка международных расчётов (BIS), также подтверждает состоятельность такого подхода. В рабочем документе BIS объединили рекуррентные нейронные сети с большими языковыми моделями, чтобы прогнозировать и объяснять дисфункции валютного рынка за 60 рабочих дней, подчёркивая, что сами центробанки изучают эти методы .

На практике рабочий процесс выглядит так:

• Известные компоненты (предыдущее закрытие и ночные движения корзины) подаются как структурированные входные данные.
• Скрытый антициклический фактор рассматривается как ненаблюдаемая латентная переменная — центральная задача модели состоит в том, чтобы вывести её из исторических паттернов поведения фиксинга.
• Выходные данные используются для открытия позиций до фиксинга, которые завершаются до того, как объявление в 09:15 по пекинскому времени обнародует официальный курс .

Неустранимый предел: политика — не статистический процесс

Проблема прогнозирования фиксинга НБК не в том, что данные зашумлены. Она в том, что сам сигнал — решения об антициклическом факторе — рождается в непрозрачном, многоцелевом политико-экономическом расчёте, который не оставляет чистых числовых следов.

Во-первых, антициклический фактор — это сигнальный механизм. Когда НБК устанавливает фиксинг на 440 пипсов слабее консенсуса, этот разрыв и есть послание. Оно сообщает рынкам, торговым партнёрам и внутренним экспортёрам, что центробанк не потерпит быстрого укрепления, даже если механическая формула предписывает его . Никакой исторический ценовой ряд не содержит сегодняшних политических намерений.

Во-вторых, политические предпочтения НБК нестационарны. С середины 2023 по конец 2024 года фактор использовался для сопротивления ослаблению, временами создавая фиксинги значительно сильнее рыночных оценок, чтобы ограничить рост доллара . С декабря 2025 года вектор сменился на сопротивление укреплению . Модель, обученная на данных эпохи ослабления, оказалась бы структурно неверной в текущих реалиях — причём смена режима произошла без каких-либо явных заявлений и видна только через постфактум вычисленный фактор.

В-третьих, НБК может сменить курс за одну ночь. Развитие торговых переговоров, результаты заседания Политбюро или изменение внутриэкономических приоритетов способны изменить допустимый темп укрепления до того, как это отразят какие-либо рыночные данные.

На исторических данных модели ИИ могут выучить функции реакции НБК и достичь высоких значений R², но остаточная ошибка — это не шум, а дискреционное решение. Модели измеряют то, что измеримо; антициклический фактор же по своему замыслу отражает то, чего центробанк хочет в данный конкретный момент. Когда разрыв расширяется, сам разрыв и есть итоговый результат. Политический ввод, который его порождает, остаётся ненаблюдаемым для любой системы, работающей только с данными.