Результаты консервативной количественной инвестиционной модели LQE (lazy quantitative investing), о которой я писал ранее (http://smart-lab.ru/blog/384110.php), за март. В целом март был для модели не слишком удачным, как и для американских стоков, которыми (в основном) она торгует:

    weight monthly.ret
XLY  0.082        1.39
XLP  0.073       -0.49
XLE  0.000       -2.32
XLF  0.128       -4.63
XLV  0.123       -1.54
XLI  0.110       -1.45
XLB  0.072       -0.16
XLK  0.066        1.24
XLU  0.057        0.35
IYZ  0.000       -1.38
VNQ  0.000       -1.21
SHY  0.000        0.23
TLT  0.151        1.14
GLD  0.138        1.03

Предыдущие веса были опубликованы утром 3-го марта, соответственно доходности приведены за период с закрытия 3-го марта до закрытия 31-го марта.
Корреляции между весами и ретурнами положительны (8.2%), модель обогнала свои бенчмарки (SPY & EQW — equal-weighted портфель из торгуемых тикеров) как в терминах ретурна, так и риска (максимальной просадки). Сравнение — на графике в начале: SPY — (-0.69%), EQW — (-0.56%), LQE — (-0.46%). В целом модель перформила в марте в рамках своего риск-ретурн профиля.

Всем привет!

Решил поделиться сигналами своей количественной модели ротации секторов американского рынка, золота и трежерей. А почему бы и нет — сигналы, которые я здесь выкладываю — для самых ликвидных ETF'ов, с емкостью миллиарды долларов, самому мне столько точно не надо. Торгует модель раз в месяц — я делаю это в начале каждого нового месяца.

Модель может использоваться как неплохая альтернатива долгосрочному (3-5 лет) банковскому вкладу в валюте. При условии, если вы умеете соблюдать дисциплину и не лезть в модель грязными лапами, чтобы улучшить ее «своим видением рынка» =) Если надоело сливать депозиты и хочется уже куда-то вложить валюту под неплохой процент и с умеренными рисками — велкам!

Модель торгует ETF'ы на секторы американского рынка (XLY, XLP, XLE, XLF, XLV, XLI, XLB, XLK, XLU, IYZ, VNQ), долгосрочные трежеря (TLT), золото (GLD), в качестве безрискового актива, в который модель иногда выходит, используется SHY. На первом шаге производится фильтрация торгуемых тикеров по моментум-логике, на втором — их смешивание с учетом статистических взаимосвязей между ними. Более подробно логику описывать не стану, поскольку, в отличие от других квантов на этом ресурсе, я не считаю, что количественные модели работают вечно. Они умирают — более того, в последнее время они умирают косяками.