Простые финансовые модели для прогнозирования цен акций.

Существует множество моделей, которыми пользуются финансовые аналитики для оценки компаний, в них вы должны: дисконтировать денежные потоки,  искать бета коэффициенты,  рассчитывать коэффициенты для различных рисков,  в общем, заниматься больше «астральной» деятельностью, чем аналитической.  Сам же я склоняюсь к тому, что чем проще финансовая модель, тем лучше она может быть понята и применена. Простые модели имеют меньше возможности для ошибок и позволяют быстро получить результаты. Они также более прозрачны и могут быть более легко объяснены заинтересованным сторонам, таким как инвесторы.

В данной статье я хочу продемонстрировать несколько простейших финансовых моделей, которыми я активно пользуюсь для определения справедливой цены бумаги, с которыми разберется даже первоклассник. После прочтения вы сможете сами прогнозировать справедливые цены бумаг и совершать прибыльные сделки.

Для начала мы научимся определять справедливую цену компании из добывающей отрасли(майнеры). Добывающие компании самые простые для анализа, по сути, они просто копают землю и продают полезные ископаемые, которые в ней залегают.

Уговариваю опытного алготрейдера Антона Медведева выступить на нашей конференции 24 июня conf.smart-lab.ru.

Думаю еще чуть чуть надавить и он сломается. Напишите в комментариях какие у вас есть вопросы к руководителю топ алго команды все ещё торгующей на мосбирже.

Кстати, вот видео 9-летней давности, где Антон рассказал о себе, свой путь и одну свою стратегию

Ещё одна компания, которая строила свой бизнес в России на законных рельсах и на алгоритмической торговле сдала лицензии ЦБ. Трудно у нас идёт это направление. Я в своем недавнем интервью Андрею Верникову говорил, что на мой взгляд дело не только в успешности или провалах алгоритмистов. Большую роль играет емкость российского рынка и количество состоятельных инвесторов. Как только компания сталкивается даже с достаточно коротким периодом неудач, которые свойственны любой высокорисковой стратегии, в том числе и алгоритмической, возможности содержания компании-профучастника сильно падают, а отток клиентов в такие периоды, еще больше уменьшают абсолютную величину вознаграждения, получаемую управляющими.

В 2017 — 2018 году мы с моим приятелем тоже программировали роботов и даже были попытки сделать отдельный продукт на них. Поэтому я хорошо представляю с чем сталкиваются алгоритмисты не только с точки зрения стратегии, но и множеством других вопросов, которые относятся к техническим и административным.

 Пока готовится ряд статей о тестировании и оптимизации наших торговых систем, товарищ по моей просьбе доработал бота, торгующего на внутридневных данных для торговли дневками. Изначально это было сделано для наших друзей и знакомых, которые хотят приобщиться к теме инвестирования, но нет времени или лень это изучать самостоятельно. Предложение дать деньги в ДУ была сразу отвергнута и как альтернатива было предложено самостоятельно покупать по сигналам наших ботов, которые будем выкладывать в телеграмм. Много времени для этого не надо. Посмотрел с утра есть новые сигналы или нет, если есть выставил стоп на покупку или передвинул Stop-Loss если позиция уже открыта.

Самый главный геморрой в одноногом индексном арбитраже – правильно собрать сам индекс.

В этой статье поговорим об одном из самых стандартных и рабочих способах – выбирать бумаги взвешивая их по объёму торгов.

А чтобы читалось лучше, напомню, что у меня около 90 % прибыли по арбитражной торговле за четыре месяца. И эквити выглядит вот так:

Рис. 1. Скрин с он-лайн мониторинга моего арбитражного счёта

Так как собрать индекс чтобы зарабатывать?

Шаг 1. Выбираем самые расторгованные бумаги на площадке

Для этого складываем объёмы за каждую свечу за предыдущие X дней. И составляем таблицу.

Сортируем таблицу по объёму и берём N верхних.

Это – бумаги, отражающие движение рынка.

Шаг 2. Раздаём веса для бумаг.

Тут много всяких вариантов, включая раздачу весов по тому же объёму. Но самым прибыльным вариантом который нашла моя команда – является равномерное распределение весов один раз в N часов.

Берём самую дорогую бумагу которая есть в списке бумаг входящих в индекс и подгоняем остальные бумаги к ней, при помощи мультипликаторов:

Лучшие бумаги месяца. Выпуск 14 – обновления для февраля 2022

В таблице 1 приведены 32 наиболее ликвидные акции нашего рынка, упорядоченные по убыванию доходности за январь 2021. Первые 8 акций – это лучшие бумаги месяца по состоянию на утро 01.02.2022.

                                                        Таблица 1.

Бумаги  в таблице 1 выделены тремя цветами:

1. Красным  - были лучшими месяц назад, а сейчас нет.
2. Желтым  - были лучшими месяц назад и остались лучшими.
3. Зеленым — не были лучшими месяц назад, а сейчас стали.

Это 14 выпуск в рубрике BMS (лучшие бумаги месяца). Январь месяц 2021 был очень плох для нашего фондового рынка. По итогам января только 1 бумага из 32 закрыла месяц ростом. Это очень плохой знак, вероятность падения в феврале выглядит выше, чем вероятность роста.  Соответственно, текущая рекомендация для тех, кто хочет торговать по этой системе:

1. Если вы уже торговали по этой системе: продать все акции.
2. Купить на месяц ОФЗ 26209. 

Оптимизация Механических торговых систем.

О чем цикл заметок

Начинаем цикл коротких заметок о торговых алгоритмах.

В основу положен наш опыт и цитаты из достойных книг.

Цель заметок структурировать знания о построении трендовых стратегий и их оптимизации.

Надеемся, что наши заметки будут интересны для трейдеров с разным уровнем знаний.

В серии данных заметок будет:

1. Для чего нужны стратегии.
2. Как разрабатываются торговые стратегии.
3. Доход и просадка. Оценка показателей эффективности. Дадим свою интерпретацию результатов оптимизации.
4. Оптимизация торговых стратегий. Переоптимизация, указания как ее избежать.
5. Покажем проблемы оптимизации, приводящие к ненадежным результатам и убыткам при торговле.
6. Работа алгоритма на реальном рынке. Ожидание и реальность.
7. Оценка результатов работы.

 1. Для чего нужны стратегии.

 Рассмотрим две простые стратегии.