Богатеем медленно (Часть 2)

Продолжение. Начало здесь.

Выбор активов

Для долгосрочных портфелей вы не сможете использовать такой же высокий леверидж Форекса или инструментов CFD, которые вы предпочитаете использовать для своих краткосрочных стратегий. Вместо этого вы обычно инвестируете в акции, ETF или подобные инструменты. Они предлагают несколько преимуществ для алго-трейдинга:

— Никаких игр «кто кого». В долгосрочной перспективе, акции и индекс ETF имеют положительную среднюю окупаемость благодаря дивидендам и накопленным значениям, в то время как валютные пары Форекса и индексы CFD имеют отрицательную среднюю окупаемость вследствие сборов за своп/пролонгацию кредита.
— Серьезные брокеры. Все брокеры фондовой биржи/ETF контролируются, чего нельзя сказать о брокерах Forex/CFD.
— Больше данных для ваших алгоритмов, таких как информация о глубине и объёме рынка.
— Больший выбор активов от многих различных секторов рынка.
— Больше торговых методов, таких как торговля валютными парами (“статистические данные arb”), торговля безрисковыми активами, такими как Казначейские вексели, или торговая волатильность.

Очевидным недостатком является низкий леверидж, такой как 1:4 по сравнению с 1:100 или более для инструментов Форекса. Низкий леверидж хорош для долгосрочной системы, но не для быстрого «разбогатения». Большие ограничения накладываются на долгосрочные портфели. ОСО, очевидно, не будет хорошо работать с компонентами, у которых нет положительной средней окупаемости. И также этот принцип не будет работать должным образом, если доходы будут сильно коррелироваться. Таким образом, выбирая активы для вашего долгосрочного портфеля, вы должны искать не только по доходам, но и по корреляции. Вот скрипт Zorro, который может в этом помочь:

Скрипт сначала настраивает некоторые параметры, затем входит в петлю по активам N. Здесь я просто ввел некоторые популярные ETF; для их замены можно воспользоваться веб-сайтами, такими как etfdb.com, где даны обзоры и предложена помощь в поиске оптимальной комбинации ETF.

При первом запуске цены актива загружаются с Yahoo. Они корректируются для разбивки акций и дивидендов. Функция assetHistory сохраняет их как файлы с историческими ценовыми данными. Затем выбираются активы, а их доходы подсчитываются и сохраняются в ряду данных Returns. Это повторено со всеми 1-дневными запретами 7-летнего тестового периода (очевидно, что период зависит от того, с какого момента выбранные ETF становятся доступны). В последнем запуске, скрипт распечатывает ежегодные средние доходы и отклонения всех активов, которые были первыми и вторыми moments в ряде доходов. Функция annual и 252 коэффициента ускорения преобразовывают стоимость на текущий день в годовую стоимость. Результаты для выбранных ETF:



У идеального ETF высокий средний доход, низкое отклонение и низкая корреляция по отношению ко всем другим активам портфеля. Корреляцию можно обнаружить в матрице корреляций, которая вычисляется из всех указанных в коде доходов, затем выстраивается в тепловую карту кликов N*N:

Матрица корреляции содержит коэффициенты корреляции каждого актива с любым другим активом. Ряды и колонки в тепловой карте кликов — это 6 активов. Цвета идут от синего — для низкой корреляции между рядом и колонкой актива — к красному, для высокой корреляции. Так как любой из активов превосходно коррелируется сам с собой, у нас всегда будет красная диагональ. Но, как видно на изображении, некоторые из моих 6 ETF были не лучшим выбором. Нахождение идеальной комбинации ETF, при которой тепловая карта кликов была бы максимально синей, оставлется задачкой на дом для наших читателей.

Граница эффективности 

После выбора активов для нашего портфеля мы должны вычислить оптимальное распределение капитала с помощью алгоритма ОСО. Однако «оптимальность» зависит от желаемого риска, т.е. волатильности портфеля. Для каждого рискового значения существует оптимальное распределение, которое порождает максимальный доход. Таким образом, оптимальное распределение является не точкой, а кривой в графике доходы / отклонения, названной Границей Эффективности. Мы можем вычислить и и построить её по этому скрипту:


Я опустил первую часть, так как она идентична скрипту тепловой карты кликов. Только теперь мы подсчитываем ковариацию матрицы вместо её корреляции. Ковариации и средние доходы загружают функцию markowitz, которая снова возвращает отклонение от лучшего коэффициента Шарпа. Последующие обращения кmarkowitzVariance также возвращают самое высокое и самое низкое отклонение от границы эффективности и устанавливают границы графика. Наконец скрипт размечает 50 точек ежегодного среднего дохода от самого низкого до самого высокого отклонения:

С правой стороны мы видим, что портфель достигает максимального годового дохода приблизительно в 12.9%, что является просто всем капиталом, размещенным в SPY. С левой стороны мы достигаем дохода вссего лишь в 5.4%, но с меньше чем одной десятой ежедневного отклонения. Зеленая отметка является точкой на границе с лучшим коэффициентом Шарпа (= доход, разделенный на квадратный корень отклонения) в 10%-м годовом доходе и 0.025 отклонении. Это и есть оптимальный портфель – по крайней мере, в ретроспективе. 

Оригинал: www.financial-hacker.com/get-rich-slowly/