Избранное трейдера Quntag
Рассчитываемые Мосбиржей индексы, к сожалению, не обладают гибкостью. Коллективные инвестиции (ETF, БПИФ) также продемонстрировали наличие не известных нам ранее рисков. Чем больше посредников между частным инвестором и самой компанией, акции которой мы покупаем, — тем больше вероятность, что что-то может пойти не так. Мой личный опыт на практике доказывает, что в случае с российским рынком есть несложное решение, которое позволяет собирать инвестиционный портфель, который (несмотря на мелкие погрешности) очень точно повторяет движение индекса Мосбиржи.
Если институт частных инвестиций каким-то чудесным образом выкарабкается из всего дерьма, в котором он оказался, я вполне допускаю, что самостоятельная покупка акций станет чуть более популярным решением. А значит, кто-то должен пилить практические решения для народа!
Напомню, что стандартная табличка для формирования портфеля по принципу максимального приближения к индексу Мосбиржи (которую я изначально делал для себя, и пользуюсь вот уже 4-й год) — работала и обновлялась каждый день, несмотря на происходящий на рынке ад. Интерфейс у неё как из задницы, но привыкаешь быстро. Денег я за это никаких не беру (и не брал никогда).
Секрет торговли без потерь денег беспокоит большинство спекулянтов. Да что спекулянтов, инвесторы нет, нет, да и бывает зайдут в бумаги с плечом, лишь бы урвать копеечку, что бывает плохо лежит на бирже. Но правда в том, что это копеечка часто оказывается приманкой настоящих рыбаков, которые хватают за жабры пойманную добычу и трясут незадачливых трейдеров до опустошения их депозита.
Краткость — сестра таланта. И поверьте, это я уже несколько раз сократил…
И ведь действительно. Почему бы не заработать побольше да побыстрее?
shoulder — дословно “плечо”. Невероятно, но биржа торги проводит не только в интересах инвесторов, но и в интересах брокеров. Брокеры предоставляют плечо спекулянтам и их плечевая торговля расцветает всеми красками маржин колов.
Многие люди несильно погружались в математику настоящих долгосрочных инвестиций на фондовом рынке и относятся к моей стратегии скептически.
Что они видят:
И скептиков можно понять. Это примерно так и выглядит. Ровно до тех пор, пока ты не погружаешься глубоко и не начинаешь считать. Я не жду понимания ото всех вокруг — оно мне и не нужно. Важно понимать самому, что я делаю и как. Я стараюсь изучать разные методики обращения со своим капиталом, познавать всегда что-то новое. Так что я решил узнать для себя, что такое «Bond Tent», и как он может мне помочь в моей инвестиционной стратегии. И я не нахожу способа лучше, чем изучить это через написание конспекта, который вы сейчас читаете.
В ходе конкуренции за «богатого» клиента российские банки готовы предлагать очень привлекательные условия. Так как активы на брокерских счетах тоже считаются, я пользуюсь сразу двумя премиальными программами.
За 2021 год вот что мне удалось сделать:
▪️ Сходить в бизнес-залы 21 раз. В среднем один проход по Lounge Key стоил бы мне 2400₽, но все эти деньги были компенсированы, +50400₽;
▪️ Оформить страховку для путешествия для 4 членов семьи. Если бы мы покупали полис за свои — мы бы выбрали более экономный вариант, чем тот, который банки дают премиальным клиентам. Полис обошёлся бы нам в 6400₽;
▪️ Использовать все 8 компенсаций по Airback, +19680₽;
▪️ Получить повышенный кешбэк, эффект от него в 2021 я могу оценить в +16000₽.
Итого, я получил в 2021 году товаров и услуг на сумму 92480₽, не заплатив за это из своих ни рубля. Рассказываю, как это было.
Оба банка предоставляют мне бесплатные проходы в бизнес-залы по Lounge Key. У Тинькофф поначалу это было 2 прохода в месяц, но потом они изменили условия, и сейчас это 4 прохода в месяц. У Открытия программа компенсации проходов в бизнес-зал гораздо скромнее — это 12 проходов в год. Есть и небольшой плюс: нет лимитов на месяц, можно хоть за один день использовать все 12 проходов.
В этом посте я хотел бы рассказать вам подход к трейдингу Price Action. (ПЭ) Переводится “ценовое действие”. Из перевода ничего не понятно, я покажу вам свой взгляд.
Я обожаю прайс экшн и примерно 80% моей ТС основаны на нём.
Как показывает моя практика, в интернете под прайс экшн люди понимают свечные паттерны — это поверхностное понимание.
ПЭ – метод трейдинга, когда решения основываются только на анализе графика цены. Индикаторы не используются. Это не отдельная стратегия, это подход к анализу графика.
И в этом подходе есть несколько основных пунктов.
Шаг 1.
Определяешь min и max прошлых движений на старшем таймфрейме.
В моём случай старший таймфрейм – дневка. Min и max – это те точки, в которых был разворот тренда. Это те места, куда цена будет стремиться.
Шаг 2.
Определяешь основной тренд: восходящий, нисходящий, боковик.
На эту тему определения тренда в моём инстаграм есть отдельный пост.
Часто тут пишу про Wealth-Lab. Сейчас это значимая часть моей алго-инфраструктуры. Но ни разу даже картинки Велс-Лаба не показал)). Пришло время все исправить. Покажу новый велс и немного приподниму вуаль, защищающую мой подход и мой алгоритмический флоу (как тэщщу, где беру идеи, как оптимизирую, как выбираю значения параметров и т.д.).
Базовый флоу на Wealth-Lab 7.
Кодим стратегию.
В начале Initialize видно, как удобно организована работа с таймсериями в векторном стиле.
Можно и без кода стратегию запилить.
Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.
Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.
import pandas as pd import numpy as np import matplotlib.pyplot as plt from google.colab import files import warnings warnings.filterwarnings("ignore")Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.
def changeDF(df): df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True) name =[x for x in globals() if globals()[x] is df][0] df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1) df = df.set_index(['date']) df.columns = [name+'_cl', name + '_vol'] return df fxgd_change = changeDF(fxgd) fxrl_change = changeDF(fxrl) fxit_change = changeDF(fxit) fxus_change = changeDF(fxus) fxru_change = changeDF(fxru) fxcn_change = changeDF(fxcn) etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1) etf.head()В результате получили: