I  Влияние экономических условий на стоимость акций 

В инвестиционной стратегии при определении потенциала роста стоимости фондового рынка одним из важных этапов является оценка макроэкономических условий. В первой части мы определим, через какие механизмы экономика влияет на стоимость компаний страны в целом. Затем выделим 4 базовых сценария, которые ведут к фундаментальным изменениям стоимости рынка, дав примеры реальных исторических ситуаций.

Во второй части мы рассмотрим, как экономика определяла изменение стоимости российских компаний, и выясним, является ли рост индекса ММВБ последнего года на фоне рецессии проявлением нерациональных ожиданий инвесторов. Исходя из прогноза экономических условий попытаемся определить обоснованное изменение стоимости российских акций в будущем.  

 

Фундаментальная оценка стоимости. Брифинг

В финансовой теории фундаментальным подходом к оценке актива является определение его внутренней стоимости на основе будущих денежных потоков, которые инвестор ожидает получить от владения, дисконтированных по процентной ставке. В элементарном виде базовое уравнение оценки выглядит следующим образом:  

( Читать дальше )

Всех приветствую.

Представляю вашему вниманию робота для торговли перекупленность/перепроданность с помощью индикатора Williams’% Range. Данный робот позволит вам торговать различные состояния рынка анализируя положения индикатора и автоматизировать свою торговлю. Этот робот является контртрендовым и ведет себя лучше в волатильные дни без тренда. В этой статье расскажу как запустить робота и начать автоматическую торговлю.

( Читать дальше )

В апреле произошли следующие изменения портфелей:

Покупал Европлан (EPLN) по 400 р/акцию (4 апреля 2016)
Покупал Мегафон (MFON) по 695 р/акцию (8 апреля 2016)
Покупал Сургутнефтегаз п (SNGSP) по 43.46 р/акцию (12 апреля 2016)
Покупал Славнефть-ЯНОС-п (JNOSP) по 19.5 р/акцию (12 апреля 2016)
Покупал ТРК ап (TORSP) по 0.438 р/акцию (12 апреля 2016)
Покупал Сургутнефтегаз п (

( Читать дальше )

Этот пост про демонстрацию некоторых возможности пакета PortfolioAnalytics. Этот пакет представляет из себя фрейморк для анализа и оптимизации портфеля, подробности тут  некоторое введение во фреймворк тут. Статья с кодом на R тут http://moderndata.plot.ly/portfolio-optimization-using-r-and-plotly/

И так задача: Есть следующий набор инструментов «GAZP», «ROSN», «LKOH», «TATN», «NVTK», «SNGS», «BANE», построить на их основе оптимальный с точки зрения риск/доходность портфель. Задачу не станем усложнять такими введениями как использование плечей, ограничение по капиталу на бумагу итд. как это все делается можно подробно прочесть в описании фреймворка. Решим лишь что минимальная допустимая доля инструмента в портфеле 5% максимальная 80%

Эффективная граница портфеля



( Читать дальше )

РЕЗЮМЕ:  Див отсечка 16.05.16. После этой даты можно загружаться в тикер.
Ожидается див гэп вниз на величину дивидендов (6,5 %) 
Также сейчас мы находимя в периоде коррекции вцелом по ММВБ.

ДИВИДЕНДЫ - На текущих уровнях = 6.51 % (годовых)
Дивидендная политика: не менее 55% от прибыли по МСФО.

ЭФФЕКТИВНОСТЬ — уверенный рост 

EPV (генерация прибыли) 
EPV без расчета (для фин. сектора неадекватный расчет)
ARV уверенный рост

СТОИМОСТЬ БРЕНДА — уверенный рост 

ПОТЕНЦИАЛ РОСТА котировок — уверенный рост.

( Читать дальше )

Вопрос о том надо ли физ лицу платить подоходный налог от положительного финансового результата от операций купли/продажи валюты уже неоднократно поднимался в данном сообществе. К сожалению итоги обсуждения были неоднозначными, что заставило меня провести собственные изыскания.

В итоге перекопав налоговый кодекс и проконсультировавшись со знакомыми юристами представляю резюме для заинтересованной публики.

 

Если вы покупали и продавали валюту (не важно на бирже или в банке) и получили  положительный финансовый результат (я сознательно не называю его доходом), то вы не обязаны платить подоходный налог.

 

Аргументация:

Из налогового кодекса следует, что НДФЛ уплачивается только с доходов. Операции купли продажи валюты физ лицами не обладают никакими признаками, которые обязали бы  отнести результат данных операций к доходам. То есть конечно физ лицо может в добровольном порядке назвать результат таких операций доходом и уплатить налог, но такой обязанности по НК у него нет.

( Читать дальше )

Экспорт из КВИКа в Эксель таблицы всех сделок и её дальнейший анализ.


( Читать дальше )

Скандал скандалом, а я тут решил изучить,  что плохого и что хорошего если налоговый резидент РФ ( в общем случае тот парень, независимо от гражданства, что живет больше 187 дней в РФ ( ч.2 ст. 207 НК РФ ) в течении 12 календарных месяцев  ) будет иметь оффшор. Скажу прямо — если у вас нет еще оффшора, то вы прямо говоря лох и лузер! Ваша жизнь не удалась. Придумать такое антиоффшорное законодательство мог только враг финансовой системы РФ.  Рука лично Обамы и госдепа здесь прослеживается очень сильно!

В конце статьи я написал как инвестор или трейдер может это использовать себе во благо. Так читайте внимательно! Я не делаю конкретных рекомендаций по юрисдикциям и формам – я не компетентен в этих вопросах. Здесь как на минном поле шаг вправо шаг влево и все попал! Требуется понимание соглашений об исключении двойного налогообложения. Самое главное в моем материале дать разбор ситуации с точки зрения НК.

Скажу сразу вся вина г-на Ролдугина ( как и все остальных ), что он попал на штраф в 100 000 рублей.  Если бы отчет вышел до 20 марта, то возможно штрафа бы и не было бы. Но нам про это по ящику Киселев не расскажет. Расскажу я! Итак, все по порядку!

( Читать дальше )

Как известно, на долгосрочную доходность инвестиций очень сильно влияют  налоги. По сравнению с США, где ставка налога на прирост капитала может достигать 20%, налоговое законодательство в России весьма либерально: наш НДФЛ всего лишь 13%. Но и тот можно не платить, если вы продержите акции более 3 лет.

Есть правда ограничение — максимальная сумма освобождаемых от налога доходов рассчитывается по формуле: количество лет * 3 млн. рублей. То есть после 3-х лет владения акциями вы сможете освободить от НДФЛ 9 млн. руб. дохода от их продажи, что вполне достаточно для подавляющего числа частных инвесторов. Важно, что размер освобождаемых от налога доходов увеличивается каждый год на 3 млн. рублей, то есть за инвестиционный период в 30 лет вы сможете не платить НДФЛ с 90 млн. рублей дохода от продажи акций. 

Для получения освобождения никаких документов по общему правилу подавать не нужно, брокер сам все рассчитает и удерживать налог с вас не будет. Однако для того, чтобы не продать акции раньше 3-х летнего срока и не попасть на налог, даты и сроки покупки акций нужно учитывать

( Читать дальше )

Копался в статьях по алготрейдингу, решил присмотреться в сторону машинного обучения. Но это в моем случае не про какой-то искусственный интеллект с нейросетями, в нейросети пока не хочу лезть, слишком сложно. Для начала хочу использовать простые алгоритмы для классификации и оценки хороших точек входа на основе обучения модели на истории.

Я исходил из того, как сам разрабатываю обычно торговую систему: ищу хорошие точки входа на истории и классифицирую их. Но так как человеческие возможности ограничены, использую только 3 таймфрейма и около 10 индикаторов в сумме. Кроме этого, история в точности никогда не повторяется и нужна какая-то более умная модель, которая не просто сравнивает индикаторы, как делают сейчас мои роботы, а дает оценку данной рыночной ситуации на основе всей совокупности индикаторов.

С помощью машинного обучения можно создать и обучить много моделей по разным алгоритмам, эта область уже хорошо развита (Logistic regression, Linear discriminate analysis, Stochastic gradient boosting, Decision trees, Support Vector Machine, KNN и другие). Можно быстро попробовать разные модели (Spot-checking algorithms). Модели могут работать вместе и делать предсказания. Можно улучшать точность моделей (Algorithm parameter tuning, Ensemble methods). Можно посчитать точность предсказаний по модели, обучив сначала модель на части выборки, а затем протестировав ее на другой части выборки (resampling). 

Как я понял, R для машинного обучения идеально подходит. Сделал первые шаги сегодня: cоздал модель по туториалу, которая определяет по размеру чашелистиков и лепестков растения ирис точный вид (всего 4 вида) какого-то одного растения(особи) на основе обучения по выборке из 500 других растений(особей). 

Код: 

# Скачивание и инициализация библиотек mlbench(используется для machine learning), caret (используется для нормализации данных)
install.packages("mlbench") 
library(mlbench)
install.packages("caret") 
library(caret)

# Краткая информация про базу данных iris
data(iris)
summary(iris)

# Определение тренировочной выборки
trainControl <- trainControl(method="cv", number=10)

# Оценка точности алгоритма Naive Bayes на данном dataset
fit <- train(Species~., data=iris, trControl=trainControl, method="nb")

# Вывод оценки точности
print(fit)

Сейчас я точно так же хочу сделать модель, которая на основе 30-300 хороших точек входа на истории определяет, насколько хороша данная пятиминутка для входа в лонг или шорт. 

Что скажете? Есть ли там грааль? Есть ли у кого-то опыт использования машинного обучения для торговли? Что посоветуете? 

Также представляю вашему вниманию грубую оценку того, на сколько в среднем ходят нефть Brent и Si за час и 1 день. Посчитал с использованием библиотеки rusquant на R. Также делюсь элементарным кодом. 

Я взял данные за последние 15 дней для BRK6 и 30 дней для SiM6. Затем посчитал доходности и их среднеквадратичное отклонение. Затем отклонение умножил на среднюю цену. 

Получилось:

Brent
за час: 0.25$
за день: 1.15$

Si
за час: 235 руб.
за день: 757 руб. 

Код на R: 

# Инициализация библиотеки rusquant (русская версия от quantmod, поддерживает все функции quantmod)
library(rusquant)

# Получение исторических данных с Финама
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="day")

# Рисуем график, чтобы увидеть данные
candleChart(SIM6)

# Расчет доходностей встроенной функцией библиотеки rusquant (унаследована от quantmod)
rr <- OpCl(SIM6)

# Цены закрытия
p <- Cl(SIM6)

# Получение абсолютного значения среднеквадратичного отклонения доходности
sd(rr)*mean(p)

[1] 757.7013

# Аналогично для часовика
getSymbols("SiM6", from=Sys.Date()-30, src="Finam", period="hour")
candleChart(SIM6)
rr <- OpCl(SIM6)
p <- Cl(SIM6)
sd(rr)*mean(p)

[1] 234.9929

#Аналогично для BRK6.