Понравилась задача seven_17, это очень хорошая стратегия, но пример минимальный, только верхушка айсберга, я хотел бы дополнить то что под водой.

В портфеле две позиции:Акция 1: Позиция 5000 акций, средняя цена 3,47 текущая цена 3,37Акция 2: Позиция 4000 акций, средняя цена 3,87 текущая цена 3,47Как улучшить позицию, не вкладывая ни одного доллара?

 
Акции 1 и 2 не обычные, и мы таки кое что знаем об их будущих ценах. Это «недооцененные» акции, они выбраны на базе финотчетности, так что Enterprise Value компании близка к Капитализации (еще лучше если выше, еще лучше если стоимость ликвидации компании выше, но это наверно вообще не встречается).

Скорей всего, на момент покупки этих акций, они уже сильно и резко упали, либо годами долгого и медленно падали.

Желательно также, подобрать акции так чтобы они двигались боль менее независимо друг от друга.

Таких акций мало, и как правило это небольшие компании, циклические сектора, ресурсодобытчики и т.п.

Итого:

( Читать дальше )

Графики Δ log σ where σ = |r_T|, для периодов Т 1д, 1нед, 1мес. На всех периодах зигзаг.

Джим Гатерал про волатильноть www.youtube.com/watch?v=sVwQD1GEZys




( Читать дальше )

Давно не постил графики. Предсказание волатильности 1д, 1мес, 1год. по историческим данным




Волатильность в данном случае это параметр scale предсказанного (условного) распределения log r через время T = 1d, 1m, 1y, 

Это некоторые итоги, мысли вслух. Я завершил работу с вероятностями, распределениями, GARCH, и т.п.

По итогу, я вернулся к классическим методам. Но, шел я странным путем, как сделав десятки ножей собственного изготовления, в итоге, пришел к ножу такому же как обычный.

Я умышленно не стал смотреть классические методы пока не сделаю их сам. По 2м причинам а) у меня было подозрение что они могут быть ошибочны (они сделаны под фонды и брокеров, у которых немного другие условия игры) б) хаотичное самостоятельные исследования лучше усваиваешь материал.

И с небольшой вроде бы задачей, предсказать прибыль как распределение вероятностей. Возникло огромное число связанных вопросов и они вытянули много связанных тем и задач.

Ну и сделав и испытав десятки разных ножей в самых разных условиях… обычный нож начинаешь видеть несколько по другому, и «классика» понятие условное, есть много деталей геометрия ножа, материал, заточка, варианты использования…

( Читать дальше )

Деньги — это способ разделить пирог (ресурсы, ценности). Валюта это не сам кусок добычи, а лишь информация о том, сколько добычи принадлежит тебе, когда ты прийдешь к управляющему за ее получением. И управляющий в любой момент, без твоего участия, может решить что делить пирог нужно по иному.

Деньги нужны чтобы управляющий мог в любой момент забрать твою долю пирога, столько сколько захочет. Даже если ты зароешь бумажные доллары и рубли в банке в лесу.

Отличия Доллара и Рубля. Рубль — кидают примитивно — лохов не ценят, кидают грубо и часто, забирая несколько процентов в год и забирая половину раз в 10-20 лет. Доллар — кидают мастерски — лохов ценят, по возможности стараются кидать мягко и незаметно, забирая несколько процентов в год, очень редко раз или два в столетие могут кинуть грубо и забрать половину.

Свойства денег. Поскольку у них информационная природа они не имеют физических границ и инерции. И могут обнулиться в секунду, где бы они ни находились, и в любой форме цифровые, бумажные, без разцницы.

( Читать дальше )

Посмотрел разные модели GARCH, EGARCH, FIGARCH, APARCH, HARCH, NGARCH, GARCH-M. Периоды прогноза 1д, 30д, 365д.

Результаты похожи, разница E[likelihood] составляет порядка 1-3% между моделями. Начиная с некоторого значения упираешся в стену, и продвинуться дальше и заметно улучшить прогноз не удается, сложные модели дают результат практически такой же что и простые.

Стоит ли использовать EWA с параметрами выставленными наугад? Нет, классический GARCH по сути тот же EWA, но с подобранными параметрами будет заметно лучше, и делается очень просто.

Стоит обратить внимание на оверфиттинг — подумать какая часть модели обща для всех акций, и какая часть специализирована для конкретной акции.

Данные дневные исторические, 50 лет, 250 акций.

Что не сделано, дневные данные log r, грубые. Для прогноза 1д эти результаты не особо показательны. Скорей всего, с высокочастотными данными, минуты, либо еще детальней - можно гораздо лучше сделать.

Меня в первую очередь интересуют долгосрочные прогнозы 90-365d, поэтому я ограничился дневными. Как будет время, попробую дневные OHLC, они тоже грубые, но говорят результаты чуть лучше чем просто log r.

На графике — волатильность (scale параметр условного распределения лог прибыли) в зависимости от периода времени. Экономисты правы, броуновское движение неплохо приближает. В диапазоне 1%-99% просто идеально прямые линии.


За пределами 1-99 линии начинают изгибаться, видимо проявляется что движение все таки не броуновское, тяжелые хвосты, кластеры волатильности и все такое.

Как сделан график. Периоды времени [1, 7, 14, 30, 91, 182, 365, 730, 1095] дней. Для каждого периода сделан фиттинг GARCH. Данные 250 акций, дневные цены за 50 лет, это 250х12600 дней в сумме. На каждый день предсказана волатильность. Затем по предсказанной волатильности посчитаны квантили (цвет линий). Волатильность это scale параметр предсказанного условного распределения.

Неожиданно, я не думал что будет такое хорошее приближение. Это значит если нас устраивает диапазон 1-99%, мы можем забить на сложности, и использовать простую формулу vol_T=vol*sqrt(T).

В прошлом посте я упустил важный момент, сильно искажающий восприятие и усложняющий жизнь. 

Он заставляет человека работать и вообще вести странную жизнь.

«Иван Иваныч молодец, имеет квартиру в центре», «Михаил выиграл чемпионат по Боксу», «Маша закончила школу с отличием», «Ведущий специалист с успешной карьерой», и т.д.

Мощный базовый инстинкт — доминантность или эго. Для жизни в стае нужно четко знать свое место, уровень в иерархии. Чтобы щемить мелких макак, и сидеть в углу тихо если рядом мощный бабуин. Также это один из ключевых моментов по которому самки определяют партнера, уровень в стае важен чтобы затевать с дамами.

Решение этих важных задач требует точного измерения уровня своего, и уровня других обезьян. Это один из базовых инстинктов с огромной властью над мозгом человека. Разум, сознание имеет меньше власти и не может противостоять ему напрямую.

Разрушения наносимые доминантностью

Вместо того чтобы жить на берегу моря, без напряга и забот. Он заставляет человека: работать на квартиру в центре, карьеры, успеха, больших денег, красивых машин и яхт, быть лучше в учебе, спорте, и т.п.

( Читать дальше )

Профи — знает верное решение. Мастер — видит пространство решений. Творец — видит пространство задач.

Умение видеть задачу полностью, комплексно, часто решение, ответ на вопрос — это новый вопрос, на первый взгляд далекий и не связанный с изначальным.

Пример: талантливый повар признанный лучшим в мире готовит запоминающийся ужин для избранных. Тщательно все обдумав, он находит оптимальное решение — зажарить самих гурманов. Пример дикий, для иллюстрации — что изначальный вопрос и задача, часто требуют уточнения и изменения, и финальное решение — на первый взгляд, кажется странным.

Примеры из финансов:

Использовать деньги как меру — измерять капитал или прогресс в деньгах «Инфляция ракушек» smart-lab.ru/blog/722614.php интересны комментарии, по ним видно совершенное непонимание о чем реч.

Работать пока молодой чтоб накопить на старость. Тупизна идеи настолько монументальна что даже комментировать сложно. Как упоминал Чарли Монгер «Отложить симпатичных дам на старость».

Цельмаксимальный рост капитала. Часто хороший подход, но иногда может быть лучше другая цель — обеспечение и поддержание комфортный тебе образ жизни, минимизация рисков что непредвиденные события могут его нарушить. Вариации подхода «win vs not loosing», «least regret portfolio», «last man standing».

( Читать дальше )

Каждый год экономика растет на +5%, условно, и у всех участников рынка становится +5%. Чтобы у кого то прибыло больше +5%, у кого то должно убыть. Прибыль выше рынка — это деньги забранные у других инвесторов. 

Как забрать деньги у других инвесторов? Достаточно ли быть лучше их? Нет, не достаточно.

В силу высокой ликвидности и плеча, чемпионы обладают безграничным капиталом и присутствуют везде, в любых уголках рынка и на любых коротких интервалах от микросекунд до недель. Обладают скоростями и широтой данных недоступными частному инвестору. Т.е. чемпионы способны поглотить все доступные деньги на рынке.

Это аналогично для деревенского певца. Чтобы получать деньги, он должен петь не просто лучше соседнего певца Васи, а на уровне The Prodigy (ну или Киркорова) из динамика.

Чтобы получить прибыль выше рынка, забрать деньги нужно не у среднего участника — нужно забрать часть добычи чемпионов. И иметь сравнимый уровень.

Что можно сделать:

— Изменить профиль прибыль/убытки, чуть уменьшить убытки сохранив в среднем рыночную прибыль, либо даже немного потеряв в долгосроке, либо немного повысив если повезет.

( Читать дальше )

Сначала рассмотрим Евро опционы.

Типовая задача решаемая SV:

Дано — наблюдаемые на рынке, текущие цены евро опционов на моменты экспирации. Это трехмерная поверхность (экспирация, страйк, цена).

Цены евро опционов — это одно и то же что и моменты распределения вероятностей актива на моменты экспирации. Т.е. эти три вещи одно и то же a) цены евро опцинов и b) маржинальное распределение вероятностей актива и в) IV поверхность.

Поэтому 3д поверхность цен опционов это то же самое что 3д поверхность маржинальных распределений вероятностей актива на моменты экспирации.

Проблема — шумы и отсутствие части данных. Наблюдаемая на рынке поверхность шумная и часть ее отсутствует, на какие то страйки мало ликвидности и большой спред, какие то вообще нет ордеров и никаких цен нет. Мы видим лишь куски этой поверхности.

Задача — восстановить всю поверхность. SV модели решают именно эту задачу — это один из множества способов убирать шум, и восстановить поверхность через интерполяцию.

SV модель задает структуру случайного процесса, и делает фиттинг его параметров по наблюдаемым ценам опционов, добиваясь наилучшего совпадения.

( Читать дальше )