Избранное трейдера Fox27

Продолжение. Начало здесь.
Вы, наверное, заметили, что в процедуре вычисления параметров модели, описанной выше, я запоминал действительные предсказанные значения, так же как и предсказания направления приращения цены. Я хочу исследовать предсказательную способность величины приращения. Точнее, может ли фильтрация сделок, в случаях, когда величина предсказанного приращения ниже определенного порога, улучшить доходность стратегии? Код ниже представляет такой анализ для небольших порогах приращений. Для упрощения, я конвертировал логарифмы приращений в простые приращения, чтобы получить управление знаком предсказания и облегчения применения порога:
# Test entering a trade only when prediction exceeds a threshold magnitude
simp.forecasts <- exp(ag.forecasts) - 1
threshold <- 0.000025
ag.threshold <- ifelse(simp.forecasts > threshold, 1, ifelse(simp.forecasts < -threshold, -1, 0))
ag.threshold.returns <- ag.threshold * returns[(window.length):length(returns)]
ag.threshold.returns[1] <- 0 # remove NA
ag.threshold.curve <- log(cumprod( 1 + ag.threshold.returns))
both.curves <- cbind(ag.threshold.curve, buy.hold.curve)
names(both.curves) <- c("Strategy returns", "Buy and hold returns")
# plot both curves together
plot(x = both.curves[,"Strategy returns"], xlab = "Time", ylab = "Cumulative Return",
main = "Cumulative Returns", major.ticks= "quarters", #
minor.ticks = FALSE, ylim = c(-0.2, 0.45), col = "darkorange")
lines(x = both.curves[,"Buy and hold returns"], col = "blue")
legend(x = 'bottomleft', legend = c("Strategy", "B&H"),
lty = 1, col = myColors)
Что такое Plaza 2 и с чем ее едят! Ч.2.
Дальше будет интереснее.
Контуры Plaza 2.
Существует 2 контура Plaza 2: для тестовых торгов и реальных торгов. Тестовый контур необходим для разработчиков. Доступ можно получить здесь: http://moex.com/s438.
На тестовом цена последней сделки, цена покупки и продажи очень похожи на реальный, но остальные данные далеки от реальности.
Установка и настройка шлюза.
После того как получили логин Plaza 2 скачаем последнюю версию cGate ftp://ftp.moex.com/pub/FORTS/Plaza2/CGate/.
В процесс установки можно параметры по умолчанию не менять, кроме следующих:
Выбираем вариант подключения:
Тестовая система для разработчиков если хотим подключаться к тестовому контуру.




Доброго времени суток.
Мы команда разработчиков торговой платформы FortsSoft Terminal для прямого доступа на срочный рынок. Опрос нашей компании показал, что торговать на Plaza 2 хотят многие, а информации по данному вопросу катастрофически мало. В виду этого, мы решили запустить серию статей по данной теме.
И так.
Что такое шлюз Plaza 2.
Шлюз Plaza II — Программное обеспечение, обеспечивающее обмен данными между Серверной частью ПО – Торговой и клиринговой системы Срочного рынка (Торговой системой SPECTRA) и сертифицированной брокерской системой по протоколу Plaza II.
Такое определение дает Московская биржа.
Если простыми словами, то Plaza 2 позволяет получать данные, отправлять заявки миную инфраструктуру брокера.
Преимущества.
Преимуществ у данного способа подключения очень много. На мой взгляд основные:
Прошедшая неделя была исключительно богата на дивидендные новости.
Самое главное: Советы директоров эмитентов начали давать рекомендации по промежуточным дивидендам за 9 месяцев 2016 года
Как обычно, таблица с датами отсечек и дивидендными доходностями по состоянию на закрытие пятницы.

В таблице нет АО Химпром. В отчете эмитента за 6месяцев 2016 года отражено, что 100% АО выкуплены двумя владельцами.
В пятницу вышла новость о том, что дивиденды Газпрома по итогам 2016 года ожидаются в размере 18,8 рубля. Цитирую новость по Рейтер
МОСКВА (Рейтер) — Чистая прибыль российского государственного концерна Газпром в 2016 году может составить 893 миллиарда рублей, из которой российские власти рассчитывают на дивиденды в размере 50 процентов, следует из проекта федерального бюджета на 2017-2019 годы.
Из прибыли Газпрома по международным стандартам финансовой отчетности государство, которому принадлежит 38,4 процента концерна, хочет получить в 2017 году дивиденды в размере 171,3 миллиарда рублей. По расчетам Рейтер, это соответствует около 18,8 рубля на одну акцию.

Статья из блога Robot Wealth.
Продолжая мои исследования в области моделирования временных серий, я решил изучить авторегрессивные и условные гетероскедатичные модели. В частности, я взял авторегрессивную модель ARIMA и общую авторегрессивную гетероскедатичную модель GARCH, так как на них часто сылаются в финансовой литературе. Далее следует описание того, что я узнал об этих моделях и основной процесс нахождения их параметров, а также простая торговая стратегия, основанная на предсказаниях полученной модели.
Сначала дадим несколько необходимых определений. Я не хочу воспроизводить всю теорию целиком, ниже дан краткий обзор моделирования временных серий, в частности ARIMA и GARCH моделей:
В первую очередь, вычисление ARIMA и GARCH моделей это способ узнать, при каких прошлых наблюдениях, шуме и дисперсии временной серии возможно предсказать следующее значения этой серии. Такие модели, параметры которых правильно установлены, имеют некоторую предсказательную способность, предполагая, конечно, что эти параметры остаются постоянными на некоторое время для данного процесса.