Бэктестинг

Есть открытые позиции юридических и физических лиц на МосБирже. Я решил что мало кто их глубого анализировал,- они подаются в качестве ежедневного формата, они неудобные, непонятно что означают если не видишь всю историю их изменения. Сделаем анализ и проведем бэктест стратегии,- будем следовать большим позициям «лонг» и большим позициям «шорт» по очереди,- сначала юридических лиц, потом физических лиц.

Если собрать всю всю историю открытых позиций, сделать разницу лонг и шорт между друг-другом, то мы получим «чистые позиции». Это разница лонг и шорт позиций. 
1) Чистые позиции юридических лиц по фьючерсу Новатэк


Чтобы уловить сильные изменения, — используем индикатор RSI на эти чистые позиции. 

2) RSI на чистые позиции юридических лиц по фьючерсу Новатэк


( Читать дальше )

Бэктест стратегии на примере природного газа, палладия, Сбербанка и Индекса Мосбиржи.  Платформа mscinsider.com

На западе есть всем известный CFTC и их отчеты COT, а у нас есть ежедневные отчеты с разделом на юридические и физические лица от Мосбиржи. Я подумал что это даёт российскому рынку огромное преимущество. Ведь если отчеты COT(commitment of traders) выходят с задержкой (отчитываются все во вторник, а отчеты выходят в птц), то у нас они ежедневные и даже можно наблюдать за позициями ежеминутно. Давайте сделаем бэктест трейдинговой стратегии которую я придумал на основе ОИ на нескольких примерах и посмотрим есть ли от них толк. 

ПОДГОТОВКА ДАННЫХ И ОБЪЯСНЕНИЕ СТРАТЕГИИ
1)Для начала делаем позиции чистыми («лонг» минус «шорт» позиции) по позициям юридических и физических лиц.
2)После мы используем индикатор RSI на эти позиции чтобы уловить экстремальные закупы и перепродажу в позициях.
3)Эти сигналы мы накладываем на цену для того чтобы визуально видеть на цене когда были сильные закупы и продажи. Они выделены зеленым и красным цветом соответственно. 

( Читать дальше )

Привет!
я уже много лет занимаюсь автоматизацией трейдинга (с 2012 года). За это время было выброшено огромное количество денег на разработчиков, потрачено много времени на обучение и бектест стратегий. Было желание создать какую-то универсальную стратегию, которая будет работать всегда и на любом рынке. Сложностей было достаточно много — от того, что бы донести свои желания и идеи разработчику, до того, что бы потом продукт полученииый от разраба оттестировать и внести корректировки. Фактически это превращалось в замкнутый круг, т.к. не все идеи переданные разрабу получалось оттестировать на длинном интервале времени, и не каждая идея была хорошей. Но все это выяснялось потом. 
Чем сложнее был алгоритм, тем больше времени от отнимал, и тем менее стабильным он становился. 
Нужен был какой-то прорыв. Что-то, что могло показывать мгновенный результат бектеста, что бы все это было в нормальном и удобном интерфейсе (да-да, это имеет огромное значение). Нужен был такой продукт, в который даже не программист мог бы внести свои изменения и корректировки без особых сложностей. 

( Читать дальше )

Мой дорогой друг, если ты гоняешь бэктесты в QLUA, то тебе регулярно приходится загружать исторические данные. Как правило, это текстовый файл с тысячами строк в формате D,T,O,H,L,C,V:

20220915,090000,61420,61497,61406,61464,241
20220915,090100,61460,61476,61420,61451,160
20220915,090200,61444,61489,61436,61479,185

Осмелюсь предположить, что эти строки ты заливаешь в массив с помощью string.match. Это готовый парсер строки с разделителем. Работает достаточно шустро. Я на нем сидел пару лет.

Когда данных не много, такой метод загрузки не напрягает. Но когда за день 20-30 раз загружаешь сотни тысяч или миллион строк, то потери времени становятся невыносимыми.

Стал искать способ ускорить этот процесс. И он таки нашелся. Выяснил следующее:

Если строки в файле истории сконвертировать в такой вид (делается 1 раз):

table.insert(MyTable,{«20220915»,«090000»,61420,61497,61406,61464,241})
table.insert(MyTable,{«20220915»,«090100»,61460,61476,61420,61451,160})
table.insert(MyTable,{«20220915»,«090200»,61444,61489,61436,61479,185})

( Читать дальше )

Расскажу о своих успехах за апрель. Я переписала бектестер (который умеет брутфорсить весь рынок) для торговли с пропущенными данными. В прошлом посте мы затрагивали проблему заполнения пропущенных данных для статистического анализа. Там это было полезно, но когда дело доходит до бектестов, симулировать торговлю в момент, когда на инструменте не было ликвидности, это ошибка. Какая логика получилась у меня?

Так как я исследую парную торговлю, то дожидаюсь момента, когда на обоих инструментах появляется ликвидность, только после этого встаем в позицию или выходим из нее. Дизайн эксперимента не подразумевает подглядываний в будущее: все параметры для оптимизации рассчитываются на первой половине наблюдений, на второй половине происходит симуляция торговли.

В эсперименте участвовало 80 коинтегрированных пар, которые просто втупую, не глядя были загружены в бектестер. Я не видела по ним ни спреды, ни сами ряды. Мне было важно, чтобы алгоритм перемалывал даже пары низкого качества и в среднем выдавал положительный результат. Получилось в среднем 4,78% годовых на 1 контракт.

( Читать дальше )

Очень часто сталкиваюсь с мнением, что взвешивание по капитализации — не совсем грамотный подход.

Газпром стоил 15 лет назад 300₽, а сегодня стоит 170₽ за акцию! Если придерживаться принципов взвешивания по капитализации (как это устроено в Индексе Мосбиржи), то надо набирать его на огромную котлету и надеяться непонятно на что!

Участники подобных дискуссий часто соглашаются, что выбор отдельных акций на основе каких-то личных предпочтений или фундаментальных показателей (которые имеют свойство кардинально меняться всего за месяц) — может стать ловушкой.

И тут приходит на ум вариант с равновзвешенным портфелем. Собрать 20-25 компаний, раздать им равный вес, и в ус не дуть! Звучит заманчиво. Но каким будет результат? Давайте посчитаем.

Расчет делал в «Лаборатории портфелей» Snowball Income.

У меня сейчас 39 компаний в портфеле, так что я просто скопировал свой портфель и распределил доли между ними равномерно: примерно по 2,5% на каждую. Я выбрал размер портфеля 1 млн рублей, включил ежеквартальную ребалансировку и реинвестицию дивидендов с учетом уплаты 13% налога.

( Читать дальше )

Rt

Более года назад в блоге на смартлабе публиковал разрозненные исследования по факторам Momentum, Size и Value. Сейчас решил собрать их в единый кулак в этом посте + обновить методику и данные.

Цель — системно проверить простые идеи инвестирования в акции: можно ли получить прибыль выше индекса если регулярно покупать n% акций с наибольшей целевой характеристикой из всего множества доступных бумаг на каждый период?

Основные результаты:

• В целом, портфели из 25% наиболее трендовых, недооцененных (по мультипликатору P/E) и малых компаний обгоняют рыночные индексы на горизонте 20 лет;
• Некоторые портфели имеют значимую положительную альфу — доходность с поправкой на риск по отношению к индексу;
• Факторы слабо и даже отрицательно коррелируют между собой и с рынком. Это значит, что в разные периоды, как группа, были сильнее акции с определенным свойством: с низкой капитализацией, с относительной недооценкой или находящиеся в сильном растущем тренде.

Серьезные науки стараются не отвечать на частные случаи вроде «Почему мой прадед прожил до 90 лет если курил с 14 лет?». Они проводят клинические исследования, используют контрольные группы и ищут системные взаимосвязи. Также финансовые экономисты не стремятся объяснить почему акции Сбера так сильно выросли, а выделяют ключевое свойство присущее этой и другим акциям. Затем нарезают все доступные акции по данному свойству на каждый период и считают статистические метрики. Что-то подобное постараюсь сделать в этом мини-исследовании :)

( Читать дальше )

Ga

 

Эффект Линди.

 

Теоретическое явление, согласно которому ожидаемая продолжительность жизни некоторых нескоропортящихся вещей, таких как технология или идея, пропорциональна их текущему возрасту. Таким образом, эффект Линди предполагает, что чем дольше что-то пережило, чтобы существовать или использоваться в настоящем, тем больше вероятность того, что оставшаяся продолжительность жизни будет выше. Долголетие подразумевает сопротивление изменениям, устареванию или конкуренции и большие шансы на продолжение существования в будущем.

Например, чем дольше «работает» стратегия, в бэктестинге или на реальном счету, тем больше ожидаемая продолжительность, что стратегия будет и дальше «работать». И хотя, это интуитивно понятно, тем не менее у этого есть своё название — эффект Линди (хотя, понятно это не всем, многим хватает тестинга за 1-2 года, а то и меньше).

Эффект Линди применяется к «нескоропортящимся» предметам, которые не имеют «неизбежного срока годности». 

( Читать дальше )