Предположим, сейчас цена=100, и я ставлю лимитный ордер на продажу по 110. И вплоть до самого аукциона (на закрытии сессии, например) цена не доходит до 110, а на аукционе цена оказывается =115. 

1) возможно такое?
2) по какой цене будет исполнен мой ордер?

У меня на реальных данных получается, что цена опционов At_the_money зависит от времени до экспирации почти как корень квадратный (показатель степени 0.53). Это нормально?

Предположим на некоторой бирже торгуются одновременно (параллельно) и европейские, и американские опционы.

Как будут различаться их цены — какие будут дороже и насколько (последнее — в зависимости от времени до экспирации наверное очевидно)?

на всякий случай — легенда в текстовом виде:

Относительные цены опционов: Price/Close
на GOOG, GOOGL (всех дат экспирации) в зависимости от параметра
oStrike = Strike/Close (для Call)
oStrike = Close/Strike (для Put)

— где Close есть цена (закрытия) соответствующей акции

Задачка 

Про акцию А известно, что в её графике цены белых баров примерно в два раза больше, чем чёрных.
Дает ли это знание возможность зарабатывать на торговле этой акцией?

0. Дано: имеем модель торговой системы с некоторым набором свободных параметров, которая допускает «усреднение по параметрам», то есть для любой пары наборов Р1 и Р2 можно вычислить средне — (Р1+Р2)/2 — и это будет тоже набор параметров, с которым может запускаться используемая нами модель торговой системы.

1. Разбиваем исторические данные на три участка: оптимизационный, контрольный и супер-контрольный.

2. Генерируем огромное количество случайных наборов параметров Рi (отсюда «Монте-Карло») и для каждого вычисляем качество Qi работы системы на оптимизационном участке данных и, отдельно, QQi — на контрольном участке. Все результаты записываем.

3. Упорядочиваем Qi по убыванию — в ряд Qj (т.е. j — индекс в порядке убывания Q), и начинаем идти по этому списку, усредняя, Рj, Qj и QQj  — в Рk, Qk и QQk:

Рk = Среднее(Рj)
Qk = Среднее(Qj)
QQk = Среднее(QQj) — все усреднения — по j=1..k

4. Понятно, что Qk будет монотонно убывать (хорошо, хорошо, не убывать, а «не возрастать»), а Рk и QQk будут сначала скакать, а потом стабилизируются. Смотрим на поведение QQk и надеемся увидеть — после стабилизации — некоторый (локальный) максимум (при k равном некоторому m), после которого начнётся монотонное снижение. Также надеемся, что будет QQm ~ Qm.

5. Если всё так, то Pm — тот набор параметров, который нужно проверить на супер-конрольном участке данных и… да будет нам счастье!

C 13.08.2009 (условно говоря, после выхода из кризиса 2008 года) по 30.11.2020 QQQ (это ETF, отслеживающий индекс NASDAQ100) вырос с 35.908 до 299.62 (то есть в 8.3 раза).

«В логарифмической терминологии»: Ln(QQQ) вырос на 2.12.

Из этих 2.12 только 0.63 — меньше трети, примерно 2/7 — приходится на «движения во время торговых сессий»{то есть Сумма(Ln(Close)-Ln(Open)) }

— остальные 5/7 (накопленного) роста — это рост между (вне) торговыми сессиями.

Кто-нибудь делает (или исследует) торговые системы на основе полиномиальной аппроксимации (МНК, естественно) ценовых рядов? Можно было бы обсудить…

NASDAQ опубликовал пресс-релиз* со списком 6 компаний, которые будут включены в NASDAQ100 21 декабря (и, соответственно, 6 выбывающих).

Однако не опубликовал (и даже не дал ссылки на) ни формулы расчета индекса (после 21 декабря), ни хотя бы весовых коэффициентов, которые будут работать в этой формуле… Это нормально вообще?

Кто-нибудь знает место, где эту формулу (веса, конечно, сама-то формула понятна: взвешенная сумма текущих котировок) можно увидеть?
_________________________
* см. www.nasdaq.com/press-release/annual-changes-to-the-nasdaq-100-index-2020-12-11