На текущий момент, в рамках распределения депозита по разным корзинам, планируем купить квартиру в Новой Москве, т.к занимается этим мои родственник, разработали примерный алгоритм.

Ориентир — вторичка, т.к на новостройки сейчас застройщик дает ипотеку под 2% годовых. Видимо рассчитывая таким образом распродать весь построенный обьем на волне падения спроса.
Во вторичке ипотека сейчас 9% годовых, спрос минимальный, т.к 70-90% рынка, это ипотечные сделки.

Короче, имея на руках наличные деньги сейчас выиграть можно только на вторичке и то если продавцу срочно нужны деньги.

При ином раскладе сидеть продавцы по текущим ценам будут очень долго, вплоть до того момента, пока инфляция не догонит рублевые цены на недвижимость.

Цены в рублях снижаться не будут. Цены могут снижаться только в валюте. Стоит учитывать это.


Первые шаги:
1. Определяемся, где и что хотим купить.
2. На сайтах собираем информацию по ценам на данный тип жилья, в данном районе.

( Читать дальше )

Привет, в этот раз будет общий пост про полезные источники в сети, где можно бесплатно взять данные, примеры кода и другие полезные вещи.

Более направленные подборки по идеям можно посмотреть здесь https://smart-lab.ru/blog/628709.php, а по книгам здесь https://smart-lab.ru/blog/681121.php

Биржевые данные:

Биржевые:

• https://www.quandl.com Quandl. Простой и адекватный API для Python, много бесплатных данных по отдельным биржам. Например, по Гонконгской и Варшавской бирже. Есть данные по сырьевым фьючерсам и другому сырью. Экономическая статистика и альтернативные данные тоже есть в бесплатном варианте. В отличие от других сайтов с котировками и графиками – здесь промышленная выгрузка для исследований;
• https://stooq.com Stooq. Неожиданно богатый бесплатным контентом локальный сайт (Польша). Большая часть не представляет интереса и можно сразу перейти к большим (для бесплатных) выборкам биржевых данных по США, некоторым европейским и азиатским странам

( Читать дальше )

Можно найти много подборок фильмов о бирже, но какие из них полезны для получения знаний? В CFA Institute опубликовали исследование, в котором 334 преподавателя финансов по 4-бальной шкале оценивают пользу самых известных кинопроизведений.  

1. Игра на понижение/The Big Short (2015)
Оценка: 3,59 

Экранизация книги Майкла Льюиса о крахе ипотечного рынка в США в 2007 году. В центре внимания управляющий хедж-фондом Майкл Бьюрри (Кристиан Бэйл), поставивший на падение стоимости ипотечных облигаций. В фильме есть не только увлекательный сюжет, но и Нобелевский лауреат Ричард Талер, рассказывающий о принципе работы рынка  субстандартных ценных бумаг.  

2. Ставка на триллион/Trillion Dollar Bet (2000)

( Читать дальше )

Всем привет!

Вчерашний пост вызвал у некоторых пользователей данного сообщества бурную реакцию, видимо потеря денег на рынке сказывается на психике, сложно принять чужой успех))) Ну и ладно… желаю им по скорей восстановить свои депозиты)

 Сегодня хотелось бы обсудить перспективы следующих 10 лет, то есть, какие глобальные тренды нас ждут впереди, и как на этом заработать?

На мой взгляд, нужно отталкиваться от перспектив инфляции/дефляции и замедления/роста экономики в мире

Не раз здесь уже выкладывали данную картинку

 

Предположу, что нас ожидает переход от дефляционного спада к стагфляционному спаду

Текущий дефляционный спад ярко выражается через рост золота и долгосрочных облигаций США (TLT), следовательно в случае стагфляционного спада следом подтянется остальное сырье (энергоносители, промышленные металлы, сельхоз продукция)

( Читать дальше )

Начал вчера работы по реализации "Брошенной стратегии". Хорошо когда есть наработки: взял готовые куски кода, немного доработал под новые нужды, соединил их вместе и уже все готово — почти все необходимые данные передаются в DLL, расставляются по местам и готовы к использованию. С этим почти закончено, остальное будет делаться по ходу пьесы, и по мере необходимости.

С передачей данных закончено, а стратегия даже не начиналась. Система новая и архитектора системы пока не ясна, есть несколько вариантов, выбрать из которых не так просто.
Пока суд, да дело, решил написать о передаче данных из Quik в С++DLL.
О том как сделать простую С++DLL для работы с Quik-Lua написано на сайте https://quikluacsharp.ru  здесь и о передаче данных из Lua — здесь и в других материалах сайта. Наверняка многие из вас все это видели и знают, а некоторые это даже применяют. Я это все не использую, не очень разбирался, но, тем не менее, сам сайт

( Читать дальше )

Так как  насчет практического применения ML? Как вообще это выглядит?!
 А выглядит это так, что 80% времени data scientist тратит на работу с данными, чтобы потом загнав их в модельку мобильно получить прогноз.   Вообще, предполагалось что такой мощный инструмент как нейросети сможет работать с сырыми данными, то есть загонишь в нейросеть обычную котировку, а дальше могучие нейроны похимичат, сгенерируют кучу фичей и найдут нужную их комбинацию (на самом деле никаких фичей нейросети на создают, но можно представить). Ну вот например такое явление как большой ГЭП, важный показатель? Еще какой! В сырых данных он содержится, то есть можно помечтать что если мы создадим очень сложную нейросеть, то она сможет вытащить это значение самостоятельно. Что такое ГЭП нейросеть конечно не знает, но путем манипуляций с весами она найдет, что когда меняется циферка в дате то образовавшийся большой разрыв в цене имеет большое влияние для хорошей аппроксимации.
 Мечты, мечты. Пока все что я видел в результате скармливания нейросети сырах данных-это слезы, боль и убожество. В общем мы пойдет другим путем. Мы не будет скармливать модели сырятину и мусор, мы постараемся кормить его качественно чтобы удои увеличивались и все такое.
Есть такое понятие как в ML как feature engenering. Наверно единственное более менее креативное что остается человеку в этом бездушном мире машинного обучения. А уж коли мы ведем речь о RF, то сам бог велел заняться этим, RF знаете ли не нейросети, там даже теоретически сырятина в данных не приветствуется. Вот этим мы и займемся.
 Откуда же нам взять эти фичи и главное как? Тут каждому воля вольная. Например можно сдув пыль с WealthLab использовать старичка как генератора фичей. Кто не знает в него вшито около полусотни известных индексов и еще столько же, но с неизвестным кодом. А еще можно запрограммировать свои фичи. По своему «знанию и разумению», своих «знаний и разумений» я накопил много, но почти все они из разряда «все эти технические индикаторы не стоят ничего». Зато кое что из своего показали свою небезнадежность. В общем на первый случай я сгенерировал около 17 своих фичей, затем ранжировал их для каждой стоки, итого 34 фичи. Стоки брал из числа 20 самых ликвидных отечественных фишек с 2010 года по март 2018, что дало 50 тысяч дневных наблюдений. Прямо сказать не густо, но что есть. Тем более речь идет о демонстрации силушки RF.
 Вот набор моих фичей:

Week               49303 non-null int64
GEP                49303 non-null float64
Min10              49303 non-null float64
Cl/High            49303 non-null float64
Cl/Low             49303 non-null float64
Cl/w_High          49303 non-null float64
Cl/w_Low           49303 non-null float64
wdif               49303 non-null float64
dif                49303 non-null float64
Vol20/Vol200       49303 non-null float64
tHigh%             49303 non-null float64
tLow%              49303 non-null float64
tHigh%-tLow%       49303 non-null float64
Cl/SMA21           49303 non-null float64
Cl/SMA5            49303 non-null float64
SMA5-SMA21         49303 non-null float64
Cl/(minSMA)        49303 non-null float64
Cl/(maxSMA)        49303 non-null float64
l_Min10            49303 non-null int64
s_Min10            49303 non-null int64
l_gep              49303 non-null int64
s_gep              49303 non-null int64
l_cl/high          49303 non-null int64
s_cl/high          49303 non-null int64
l_cl/low           49303 non-null int64
s_cl/low           49303 non-null int64
l_wdif             49303 non-null int64
s_wdif             49303 non-null int64
l_SMA5-SMA21       49303 non-null int64
S_SMA5-SMA21       49303 non-null int64
L_Cl/(maxSMA)      49303 non-null int64
S_Cl/(maxSMA)      49303 non-null int64
L-tHigh%-tLow%     49303 non-null int64
S_tHigh%-tLow%     49303 non-null int64

( Читать дальше )

При отборе российских акций в свой портфель одним из критериев, который я использую является «Биссектриса Арсагеры», довольно интересная методика. Сейчас решил применить данный способ и на американских акциях, которые я покупаю на СПБ. Составлю модельный портфель.

Чтобы понять, что такое Биссектриса Арсагеры, рекомендую к прочтению статью Биссектриса Арсагеры, или что должна делать каждая компания.

В новом издании книги Заметки инвестирования  есть глава про биссектрису.

И арсагеровцы пошли дальше – добавили третье измерение (изменение цены P), и биссектриса Арсагеры стала объемной (стр. 490). Очень интересно. Не пожалеете если изучите данную тему, очень полезно в отборе перспективных акций.

( Читать дальше )