комментарии IgorK на форуме

Инвестиции -- общие подходы и турецкий рынок

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. 


Примечание: для развивающихся рынков 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.

Авто-репост. Читать в блоге >>>

Начинающий алготрейдер - MACD и искусственный интеллект

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 основа 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 на завтра (вверх или вниз) на основе значений двух средних за сегодня.

Авто-репост. Читать в блоге >>>

Моделирование шока для турецкой экономики

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:

Авто-репост. Читать в блоге >>>

Теория Марковица для портфеля с BTC, золотом и фондовыми рынками
Краткое описание портфельной теории Марковица: при известных доходностях, волатильностях и корелляциях набора активов, есть формула, по которой можно собрать портфель с минимальным риском. В качестве риска можно выбрать любую желаемую функцию: шарп, волатильность или что угодно. Марковиц получил за эту работу Нобелевскую премию в 1990 году.

Недостатки: модель, построенная на исторических данных, может давать плохие результаты в будущем в резко меняющихся рынках.

Из любопытства, а не как инструкция к применению, попробую рассчитать на Питоне весы для портфеля из SPX, MOEX, золота и биткоина, с помощью теории Марковица. Цены всех активов перевожу в доллары. Для расчета весов в портфеле по Марковицу использую готовый пакет PyPortfolioOpt. 
Вот код: gist.github.com/IgorKuch/5d177109b4fcd2a9b0cca0e9870d5e93

Результат зависит от интервала lookback, за который берутся исторические данные. ChatGPT порекомендовал 3 года. Буду использовать скользящее окно и шаг 1 месяц, чтобы показать динамику расчетных весов портфеля во времени. 

Авто-репост. Читать в блоге >>>

Теория Марковица для портфеля с BTC, золотом и фондовыми рынками
Краткое описание портфельной теории Марковица: при известных доходностях, волатильностях и корелляциях набора активов, есть формула, по которой можно собрать портфель с минимальным риском. В качестве риска можно выбрать любую желаемую функцию: шарп, волатильность или что угодно. Марковиц получил за эту работу Нобелевскую премию в 1990 году.

Недостатки: модель, построенная на исторических данных, может давать плохие результаты в будущем в резко меняющихся рынках.

Из любопытства, а не как инструкция к применению, попробую рассчитать на Питоне весы для портфеля из SPX, MOEX, золота и биткоина, с помощью теории Марковица. Цены всех активов перевожу в доллары. Для расчета весов в портфеле по Марковицу использую готовый пакет PyPortfolioOpt. 
Вот код: gist.github.com/IgorKuch/5d177109b4fcd2a9b0cca0e9870d5e93

Результат зависит от интервала lookback, за который берутся исторические данные. ChatGPT порекомендовал 3 года. Буду использовать скользящее окно и шаг 1 месяц, чтобы показать динамику расчетных весов портфеля во времени. 

Авто-репост. Читать в блоге >>>