Моя стратегия состоит из 2х частей а) долгосрочно выбор 4-7 недооцененных акций.  б) краткосрочно алготрейдинг только этими акциями, остальной рынок игнорируется.

Этап а) долгосрочно — здесь все ясно, бактестинг не требуется, решение по анализу финотчетности и экономич ситуации. Гипотеза — выбранные недооцененные акции имеют вероятность роста выше рынка на интервале 3-5 лет.

Этап б) краткосрочно — бактестинг нужен, решение принимается на базе модели, которая тренируется на истории поведения акции в прошлом. Задача краткосрочного алтогрейдинга это восновном ребалансировка портфеля, постоянная небольшая корректировка позиций чтобы собрать небольшие движения вверх/вниз, небольшую волатильность.

Проблема: поведение случайно выбранной акции, и специально выбранной недооцененной акции может отличаться. Например (гипотеза) — недооцененные акции — это акции которые по той или иной причине, в данный момент не привлекательны для рынка, и они имеют тенденцию падать в следущие полугода, либо годами идти боковиком. И модель тренированная на случайных акциях не знает этой особенности.

( Читать дальше )

На рынках акций CAGR получается ниже чем мне хотелось бы. Я продолжу заниматься рынками акций и дальше это останется основным направлением, но думаю стоит поискать какие то местечковые, небольшие рынки, не интересные мощным алго фондам, и поучаствовать там.

Это очень малые обьемы, разного рода сложности для анализа или участия, низкая ликвидность, необычные сертификации и т.п. делающие их не интересными мощным алго фондам, поскольку для них это копейки и заниматься нет смысла.

Что есть:

— Рынки мало известных на западе стран Бразилия/Прибалтика/Казахстан и т.п. на них бывает несколько местных и реально полезных, прибыльных и часто недооцененных компаний типа местных ресурсодобытчиков как КазАтомПром и т.п. (банки/сервисные и т.п. компании не интересны).
— Рынки электроэнергии ЕС/Австралии/Казахстана и т.п. — требуют сертификации, значительных вложений и напрямую частникам недоступны.
— Детальный, точечный анализ финотчетности очень мелких нефте/ресурсо и т.п компаний, которые в силу своих мизерных капитализаций могут быть не интересны для анализа алгофондам. Это то что я уже делаю, но это только для долгих горизонтов до 3х лет, анализ финотчетности не работает на интервалах короче. 

( Читать дальше )

Моделируем портфель из 3х компонент: (кеш, золото, акция).

Но, это требует учета корреляции (золото, акция) что сложно (корреляция не стационарна и может иметь сложную динамику), можно поступить проще.

Сделать синтетическую валюту GU = w Gold + (1-w) USD ребалансировка при превышении th, выбрав например w, th = 50, 5%.

Моделировать портфель из 2х компонент (GU, акция) корреляция не нужна.

Оценить рост портфеля в USD будет нельзя (прийдется учитывать корреляцию), можно моделировать только рост относительно GU, не зная сколько будет в USD. Но этого достаточно для многих задач.

Дополнительно проблема, GU зависит от пути (начального состояния), поэтому нужно сделать K разных точек старта и получится К ра, и для каждого сделать калибровку модели, и затем при симуляции делать K симуляций. Но это проблема небольшая и можно забить.

Также, если нужно моделировать портфель из 4х компонент (кеш, золото, акция1, акция2) — можно свести его к 3м (GU, акция1, акция2) прийдется учитывать корреляцию между (акция1, акция2), но это намного проще чем учитывать корреляции между (золото, акция1, акция2).

( Читать дальше )

Уважаемых Rick Rule и Douglas Kasey, пару раз в месяц, больше ничего не читаю.
Также экономич статистику по странам и секторам, и статистику инсайдеров по секторам.
И, уже прицельно по конкретной компании — анализ финотчетности и действий инсайдеров.

Rick Rule — практика, стратегия, тактика, четкий анализ.
Douglas Kasey — скорей стратегия, несколько философский взгляд.

Моя старая заметка, как выбрать новости и экспертов, Rick Rule и Douglas Kasey проходят эти тесты.

Баффет, Гринблат, Торп тоже проходят, но они не дают новостей, это философы у которых знания на все времена.

Большинство новостей лож, а эксперты шарлатаны, как найти настоящих экспертов.

Смотреть **новости 1, 5, 10 летней давности**. Иногда новости 50 или 100 летней давности. Смотреть прогнозы экспретов по экономике 10 лет назад.

**Новость можно опровергнуть**. Должны быть точные цифры, факты которые можно проверить и опровергнуть. Если прогноз на будущее — диапазоны цифр и дат, которые можно будет проверить и опровергнуть. Примерно оценка насколько экспрерт ожидает событие, какую ошибку прогноза допускает.

( Читать дальше )

Важнейший параметр компании EV/future-EBIT — на него сильно влияют два момента которые не показываются в официальной отчетности:

— Off balance debt — на днях Nikkei обнаружил что у техгигантов сша, неофициальный долг такой же как официальный, но формально он не учитывается в отчетности. Для EV/future-EBIT учет этого момента имеет большое значение. Решение (легко, он явно указан в отчетах) — смотреть off ballance debt и добавлять его.

— Закупка оборудования — в каком то квартале, обрушит EBIT и внешне может выглядеть что компания стала хуже и получает меньше прибыли, хотя по факту она улучшила свою структуру и вероятно будет в будущем наоборот будет генерировать больше прибыли. Решение (сложно, нужно анализировать расходы, и субьективно оценивать такие закупки) — не учитывать такие расходы в future-EBIT. Поскольку для оценки будущего значения компании нам нужно не текущее EBIT а прогноз будущего EBIT. Есть простой способ — использовать среднее EBIT за неск лет для прогноза, но если есть возможность корректно не-учесть закупку оборудования, будет лучше.

( Читать дальше )

По доходности Талеба официальных цифр нет, но оценки которые мне кажется близкие, ИИ предсказывает:

I want to know practical utility of Тaleb knowledge and theories. Assume someone with Taleb and Shpitznagel skills — given $1m and start trading/investing for next say 20 years (assuming market is the same as it was in the past). With the goal to maximise geometric growth. What would be the average growth?

11-13% годовых, примем как 12%.

Примем инфляцию 4%, итого — реальная доходность 7.7% годовых.

Допустим что для роста капитала — мы живем на половину реальной прибыли тратим ее на бытовые расходы, а половину реинвестируем. 
Половина реальной прибыли это 3.85%, значит реинвестировать номинально надо 8% = 1.0385*1.04.
Остается на бытовые расходы номинально 4% = 12%-8%.

Какой капитал нужен чтобы дать медианую зарплату, для РФ это Р960к/год = 12*80тр/мес для Австралии $50k/год.
Чтобы 4% дали такую сумму капитал должен быть Р24млн и $1.25млн.

Для того чтобы они дали зарплату выше среднего, примем ее как Р4.8млн = Р400к/мес*12 для Москвы и $150к/год для Австралии, капитал должен быть Р120млн и $3.75млн.

( Читать дальше )

Я вел блог как рабочие записи (благодарность за комментарии и предложения, ряд предложений были оч полезны), на днях их перечитал. Читать мой блог не имеет смысла, его можно свести к 3м вещам:

— SV + MCMC — с хорошей реалистичной моделью и калибровкой на исторических данных — отвечает на практически все вопросы которые мне были интересны. А также SV + MCMC для 2х акций, с учетом корреляции.
— Калибровка IV + LSMC оценка амер опцинов с риск нейтральной SV моделью — практического смысла не имеет, но мне показалось очень полезным упражнением, стоит потратить время, чтоб лучше познакомиться с темой опционов.
— GARCH — стоит познакомиться, он хуже чем SV + MCMC но на порядок проще.

Это все заняло много больше времени чем я рассчитывал, в основном от нехватки знаний, пришлось много чего изучить в Финансах и ML.

Мне не удалось значительно улучшить давно используемую стратегию EV/EBIT + ROC (и еще пара моментов сохранены в оглавлении блога). Я ввел некоторые поправки что то чуть улучшил, чуть уточнил и чуть изменил, но радикальных улучшений или изменений нет.

( Читать дальше )

Супермаркет (большой банк, фонд). Десятки тысяч товаров, постоянный пересчет цен, сотни тысяч сделок, из за мизерной маржи и огромного обьема каждая копейка на  счету. Безарбитраж, комиссии, высокая эффективность операций, высокая скорость — имеют ключевое значение. 

Обменник валюты (малый высокочастотный алготрейдер). Товаров один-десять, но все остальное как у супермаркета, огромное число сделок, высокая скорость, важна высокая эффективность операций, каждая копейка важна. 

Торговец б/у авто (малый низкочастотный инвестор, спекулянт). Товаров один, б/у авто, может два три авто. Сделок несколько штук в месяц. Маржа большая. Безарбитраж, комиссии, да вообще без разницы, это доли процента от прибыли, что есть что нет погоды не делаю. (рынок, другие участники рынка, сужают спред и делают потери на арбитраж мизерными).

Почти все материалы по финансам и трейдингу расчитаны на супермаркеты. Либо чтобы подготовить человека к трудоустройству в супермаркет, где он будет работать за зарплату, а не делать прибыль сам на рынке. Все эти материалы вобщем неплохо представлять умозрительно, но практического толку от них для автоперекупа мало либо вообще ноль.

На картинке цепь амер опционов Интел INTC, рыночные цены bid/ask (пунктирные линии с точками) и цены даваемые откалиброванной моделью, (сплошные линии без точек), цвет линий это периоды экспирации.

Видно что часто калиброванные цены заметно отличается, и даже вообще не попадают в bid/ask (один из таких случаев помечен овалом).



Калибровка — найти параметры SV модели (включая латентный параметр волатильности), которые дают такие же цены опционов как наблюдаемые на рынке в текущий момент времени.

Почему отличается

Мне кажется потому что существуют особые календарные события, даты финотчетности, дивиденды, календарные события индустрии и т.п. Плюс несовершенство модели, но оно мне кажется меньше влияет чем календарные события.

Интерполяция

Одна из задач — интерполяция, убрать шум, разброс, спреды, и получить гладкие и ровные линии цен, для любых страйков и экспираций. Но как видим, модель это делает плохо, погрешности слишком большие.

Решение — делать фиттинг каждой экспирации (линии) отдельно, с наказанием за сильные отличия от общей модели, чем я и займусь на днях. Можно усложнить модель и добавить события, но это сложней и мне кажется хуже.

( Читать дальше )

Я хотел убедиться что SV модель симуляции цен 2х акций соответствует реальности.

Меня беспокоил случай который модель не могла повторить. Очень сильная корреляция в больших убытках, и отсутствие сильной корреляции в больших прибылях (или наоборот). Такую ассиметрию с высокими и меняющимися значениями корреляции модель повторить не может.

Но, оказалось таких случаев нет. Во первых а) даже при очень сильных корреляциях (как золото и серебро или кокакола и пепсикола) таки допускают некую случайность и разброс. б) и они боль менее симметричны.

Итого, что происходит в реальности — корреляция может меняеться в зависимости от волатильности (становиться выше), и это требуется учесть, нужно два параметра корреляции для обычного режима и экстремального (плюс пара параметров для корреляции скрытых процессов волатильности). И по идее этого должно быть достаточно.



Тем не менее, 4 параметра корреляции (2 для прибыли, 2 для волатильности), особенно корреляция хвостов — плохо идентифицируются. Поэтому практически для фиттинга — их подбор лучше сделать в полу ручном режиме. Посмотреть на графиках как корреляция выглядит, и выставить разумные приоры вручную, позволив модели немножко подстроить их.

( Читать дальше )