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 )

Я работаю над алгоритмом для парного трейдинга, предыдущий пост тут smart-lab.ru/blog/1179670.php .

Параллельно пишу свою собственную бэктестинг и трейдинг систему. Посмотрел OsEngine, StockSharp, и пару платформ на питоне, но мне показалось, что порог входа везде достаточно крутой, и будет более выгодно написать свою систему, в которой я буду разбираться от корки до корки, и смогу добавлять любую нужную мне функцию.

До сих пор у меня не было никакого UI: взаимодействие через консоль, вывод результатов в файлы. Чтобы увидеть графики, приходилось открывать данные через Excel, Tableau, или читать из питона.

Мне это порядком надоело, и я решил прикрутить UI. Взял Github Copilot, и за всего за час надстроил базовый веб-интерфейс над своей системой.


Это первая версия, хочу прикрутить еще много графиков и фишек. Доволен.

Первый раз попробовал Copilot в боевом режиме. Впечатления такие:
— Нужно давать задания маленькими порциями. Если сразу дать большую таску с нетривиальным контекстом — сделает плохо или вообще не сделает (не скомпилируется)

( Читать дальше )

Бóльшую часть времени я живу в Турции, и слежу за местной экономикой.

2024 и 2025 год в Турции — это время депозитов и денежных фондов, за счет огромной процентной ставки (50% в 2024, 46% сейчас).

Пример:
За год (июнь 2024 – июнь 2025) денежные фонды показали +60% в лирах.
Курс USD/TRY за это время вырос на 22%.

Налог:
до 1 февраля составлял 10%
до 9 июля 15%
с 9 июля 17.5%. Со усредненным налогом 12.5%, чистая доходность в долларах составила

(1 + 0.60 * (1-0.125)) / (1 + 0.22) — 1 ≈ +25% в долларах

Но существует риск: из-за политической нестабильности есть вероятность резкого падения лиры. 19 марта 2025 года, после ареста важной оппозиционной фигуры по делу о коррупции, курс USD/TRY прыгнул на 14% за считаные минуты. ЦБ вмешался и, потратив 10 млрд долларов из ЗВР, частично стабилизировал ситуацию — откатил скачок до +3.7%. 



Задача:
Как распределить портфель между TRY и USD на июль-декабрь 2025 в условиях возможного политического шока?

Сделаю такие предположения для моделирования:

( Читать дальше )