Si | 30,4% |
CNY | 25,7% |
RTS | 19,6% |
MXX | 11,3% |
SBER | 10,0% |
BR | 3,0% |
Почему-то существует часто встречаемое мнение, что каждая акция торгуется сама по себе, а существенной связи между ними нет. Понятно, что это не так и я решил проверить наличие связи простым количественным методом.
Для анализа был взят интервал времени с 01.08.2007 по 29.10.2021 и цены дневного закрытия 16 ликвидных акций от 16 разных эмитентов. Которые более-менее регулярно торговались весь этот период. Приращение в момент времени t на акции j Рtj =ln(c(t,j)/c(t-1,j)), где С – цена закрытия.
Не вычитая никаких средних, сформируем ковариационную матрицу COV размером 16 на 16 по всему полученному массиву данных. Матрица симметричная по построению, её след равен, с одной стороны, сумме собственных значений, а с другой – сумме квадратов приращений Ptj и по времени, и по акциям. По физической аналогии назовем след совокупной мощностью наших приращений.
Если бы между отдельными акциями не было зависимости, матрица была бы близка к диагональной, собственные вектора имели по одному близкому к 1 значению, с каждой акцией был бы ассоциирован один вектор. А собственные значения были бы близки к диагональным значениям, каждый к своему.
ПЕРЕПОДГОНКА ч.2
В предыдущей заметке https://smart-lab.ru/blog/628025.php
я описал пример применения метода Монте-Карло для оценки переподгонки на базе дневных данных по фьючерсу на индекс РТС. Поскольку мало кто понял, о чем я, собственно, веду речь, и зачем это вообще нужно, продолжу.
Весь расчет был сделан для считающегося условно-безопасным случая 3 – х индикаторов (2^3=8 кластеров). Резонный вопрос, а если кластеров больше или меньше, что будет. Для начала провел моделирование для случая 2, 4, 8, 16, 32 кластеров и привел эмпирическую формулу, связывающую результат с числом степеней свободы (число коих на 1 меньше числа кластеров).
Число кластеров |
Степеней свободы |
Средний Шарп |
Приведенный Шарп |
2 |
1 |
0,214 |
0,214 |
Для численного моделирования переподгонки я взял дневки фьючерса на индекс РТС, с середины декабря 2006 по начало мая 2020, которые корректно склеены. Сначала рассмотрим систему максимальной доходности для 1 фьюча, торгуемого в обе стороны. Её эквити будет сумма модулей логарифмических приращений дневок, взятая нарастающим итогом. Финансовый «результат» 5207% (логарифмических), или 391% годовых. Число дневных баров 3356, коэффициент Шарпа с нулевым смещением (нулевой % ставкой) 9,8.
Наша «подгонка» будет состоять из 2 этапов. На первом мы моделируем наличие 3 индикаторов с порогом, просто присваивая каждому приращению случайное целое от 1 до 8, которое будет номером кластера. Напомню, что каждый индикатор с порогом делит массив баров на 2 кластера, а 2^3=8. На втором этапе суммируем дневные приращения внутри каждого кластера и приписываем кластеру позицию лонг, если сумма положительна и шорт, если отрицательна. Получаем эквити, для которой можно посчитать число сделок (перемен позиции), доходность, к-т Шарпа.