Я новичок в деривативах, читаю статьи в интернете и избранные главы из Халла («Фьючерсы, опционы и другие производные инструменты»). Буду признателен за комментарии и советы.

Цель: хочу получить доход от carry на турецкой лире, удерживая шорт на фьючерс USDTRY, и используя call опцион для защиты от резкого роста USDTRY.

Рыночные данные:
процентная ставка в Турции сейчас 38%, прогноз на февраль 37.5%
процентная ставка в США 3.75%

Турецкий ЦБ контролирует рост доллара, на графике он выглядит почти линейно (но возможны шоковые скачки из-за системных рисков).
Смоделирую курс доллара на вторую половину января и февраль, экстраполировав наблюдаемый линейный рост.

Используя модель ценообразования фьючерса F = S*exp(r_try — r_usd), я также смоделирую цену фьючерса, не забывая пересчитать годовые процентные ставки в непрерывное начисление через формулу r_cont = ln(1+r_annual).

( Читать дальше )

Весь 2025-й я ковырялся в pair trading стратегиях, бэктестил их вдоль и поперек. И — не нашёл там эджа.

Пробовал классические подходы:
— линейная регрессия двух активов (акций или криптовалют) со скользящим окном
— вход и выход в спрэд через боллинджера
— моделирование спрэда с помощью OU-процесса (процесса Орнштейна-Уленбека)
— сглаживание коэффициентов регрессии с помощью фильтра Калмана
— использование не одной пары активов, а портфеля пар

Но ничто из этого не дало мне стабильно выигрышного алгоритма. Объясняю это тем, что:
— классический pair trading на двух активах давно и хорошо известен, и из него арбитраж уже высосан 
— коинтеграция пары активов нестабильна и быстро разваливается 

О потраченном времени не жалею: много чего узнал, особенно из области статистики, разобрал несколько интересных фундаментальных статей на эту тему, например Avellaneda, Lee — Statistical Arbitrage in the U.S. Equities Market ( papers.ssrn.com/sol3/papers.cfm?abstract_id=1153505 ). 

Считаю, что сама идея статистического арбитража не тупиковая, она жива и используется во многих хедж-фондах, но ее нужно прокачивать с помощью:

( Читать дальше )

Реализация вот этой идеи: smart-lab.ru/blog/1190346.php

Цель: рассчитать оптимальные доли акций и облигаций в портфеле на основе макроэкомических данных (входных параметров), в применении к турецкой экономике.

Входные параметры (месячные данные):

1. LEI (Leading Economic Indicator)
2. Наклон кривой доходности (конкретно, разность доходностей между 10-летними и 2-летними облигациями)
3. Процентная ставка
4. Курс доллара к лире, скользящая трехмесячная доходность
5. BIST (индекс турецкой биржи), скользящая трехмесячная доходность
6. BIST, скользящая трехмесячная волатильность

Выходные данные:

1. Вес индекса турецкой биржи BIST в портфеле
2. Вес индекса краткосрочных облигаций (TKISA) в портфеле
3. Вес индекса долгосрочных облигаций (TUZUN) в портфеле

Буду использовать простую модель:


x — вектор входных параметров (6 штук), нормализирую их перед использованием в модели (посчитаю z-score)
w — веса в портфеле (3 штуки). Softmax функция нужна, чтобы загнать веса в интервал [0,1].

Надо найти матрицу W и вектор b.

( Читать дальше )

(Контекст этого поста: Я математик, пытаюсь использовать математику для улучшения своих результатов в инвестициях и трейдинге.)

Одна из самых важных метрик риска для долгосрочного инвестора — максимальная просадка (drawdown). Она сильно влияет на психологию, в том числе провоцирует панические продажи, из-за которых весь хорошо продуманный инвестиционный план может провалиться. Нелегко терпеть потерю, например, 30% капитала.

Просадку можно пробовать предсказать. Как? Через волатильнось (то есть стандартное отклонение дневных доходностей). Волатильность, в отличие от доходности, довольно устойчивая величина. Вот аннуализированная (то есть умноженная на корень из 252) волатильность с годовым скользящим окном для S&P и золота.



( Читать дальше )

Занимаюсь инвестициями около полутора лет. Хочу с помощью этого поста упорядочить некоторые свои мысли по этому поводу. Живу уже 10 лет в Турции, использую только инструменты, доступные в Турции.

Вот выжимка из всего того потока информации, что я переварил.

БЕНЧМАРКИ

Ориентируюсь на следующие годовые доходности для развитых рынков:
5-10% — неплохо
10-15% — хорошо
15-25% — очень хорошо
больше 25% — выдающийся результат

(здесь и далее — все доходности в пересчете на доллар).

 

Чем выше доходность, тем больше риск. 25% и выше обычно связано с очень высоким риском. 


Для развивающихся рынков как Турция эти цифры могут быть больше, за счет большей волатильности рынков и разболтанности экономических циклов.
— Пример: процентная ставка в Турции была в районе 45-50% за последний год, что позволило получить 20% годовых в долларах(!) просто на депозите или денежном фонде.

ПОДХОД

Распределяю портфель между такими инструментами: акции, облигации, денежные инструменты, золото, биткоин — на основе экономических новостей. Как правило, чем больше риск — тем меньше доля инструмента в портфеле.

( Читать дальше )

Развитие вот этой идеи smart-lab.ru/blog/1187196.php .

Чтобы предсказать оптимальные доли акций и облигаций в портфеле, можно построить такую модель.

Входные данные

Макропоказатели

Берем ряд макроэкономических показателей. Я выбрал такие, как самые важные. (Все — для турецкого рынка, как самого релевантного для меня).
— LEI (leading economic indicator) 
Агрегированный индекс, который состоит из набора экономических показателей, изменяющихся раньше общего экономического цикла. Его задача — предсказывать направления развития экономики в ближайшие месяцы (обычно на 3–6 месяцев вперёд).

evds2.tcmb.gov.tr/index.php?/evds/dashboard/4532

— Наклон кривой доходности 
Разница между доходностями облигаций с разным сроком погашения, например, между 10-летними и 2-летними государственными облигациями.

— Процентная ставка

— Курс USDTRY (месячная лог-доходность)

— BIST (индекс турецкой биржи) момент (трехмесячное скользящее средее)
— BIST волатильность (трехмесячное скользящее среднее)

( Читать дальше )

Классическая задача инвестирования: как распределить веса в портфеле между набором доступных инструментов (акции, облигации, драгоценные металы, сырьё, недвижимость, криптовалюта).

Подход в стиле Марковица мне не нравится тем, что он не учитывает макроэкономическую ситуацию, а только лишь поведение самих активов.

Что если попробовать применить какую-нибудь из теорий экономических циклов? Например, кейнсианская теория предполагает такие циклы:

Фаза цикла	Описание	Процентные ставки	Подходящие инвестиции
Восстановление (Recovery)	Экономика начинает расти после спада. Растущая занятость, спрос и прибыль.	Низкие	Акции циклических компаний (технологии, промышленность, потребительский сектор), малые компании
Экспансия (Expansion)	Сильный экономический рост, высокая деловая активность, растущая инфляция.	Постепенно растущие	Акции роста, сырьевые товары (commodities), недвижимость (REITs), высокодоходные облигации
Пик (Peak)	Экономика перегрета, инфляция высокая, рост замедляется.

( Читать дальше )

Увидел у себя в ленте подписки youtube вот такое видео:
MACD + AI Trading = 1159% Returns?

www.youtube.com/watch?v=b6GKG-vGUyE

Сразу скажу, что заголовок абсолютно кликбейтный: заявленная доходность в 1159% процентов — это за 15 лет, а CAGR этой стратегии гораздо скромнее — 18.8%. Автор продает свой курс.

Но в качестве упражнения решил проверить эту стратегию на индексе турецкой биржи (BIST100).

На чем основана эта стратегия, и другие похожие AI-стратегии из интернета:
— берется классический индикатор, один или набор (в данном видео это две движущихся средних)
— строится ML (machine learning) модель, которая учится предсказывать доходность актива на следующий день (как цифру или как булевое значение: плюс или минус) в зависимости от этого индикатора на основе либо одного предыдущего дня, либо на серии за несколько предыдущих дней

Как и в этом видео, я взял модель Random Forest, натренировал ее на данных по турецкому индексу за 2005-2025 годы с использованием двух скользящих средних (пробовал разные комбинации дней: 5 и 20, 12 и 26 и др.). Модель должна предсказывать движение биржи (вверх или вниз) на день T+1 на основе значений двух средних на день T.

( Читать дальше )

С утра пораньше возникла мысль насчет сравнения стратегий с частыми и редкими сделками на чувствительность к издержкам. 

Поставлю задачу так: если нужно добиться нетто (то есть с учетом издержек) доходности в R_net, какая должна быть брутто доходность R_gross?

Формулы для случая рекапитализации:

( Читать дальше )

Разрабатываю с помощью ИИ (Github Copilot) свою бэктестинг-систему для алготрейдинга, smart-lab.ru/blog/1183171.php .

Прикрутил такую фишку. Отображаю список всех сделок. Их можно отсортировать по P&L; потом кликнуть, например, на самую убыточную или прибыльную — и она выделится на всех графиках. Можно поизучать в контексте, почему произошли эти убытки и прибыли.




( Читать дальше )