Избранное трейдера Rox
Я уже больше 10 лет торгую на бирже, в том числе 8 лет опционами. За это время я перепробовал все виды трейдинга от скальпинга до дивидендного инвестирования, все виды опционных стратегий от голой покупки до продажи волатильности. В итоге для большей части своего портфеля я выбрал стратегию продажи покрытых опционов.
В чем суть стратегии? Как ее применять?
Шаг 1
Выбор и покупка качественного актива.
Ваша задача выбрать высококачественный актив, который вы хотите купить прямо сейчас. Вас устраивает текущая цена и фундаментальные показатели.
Например, вы покупаете ETF на биткоин — IBIT, по цене 65 ($6500).
Шаг 2
Выбор и продажа опциона.
В зависимости от вашей вовлеченности в рынок вы можете выбрать колл-опционы со сроком экспирации от недели до года. Цена страйк опциона обычно выбирается чуть выше текущей цены актива. А если вы сильно верите в рост актива, то значительно выше текущей цены. Но лучше не заниматься прогнозами, а всегда выбирать центральный страйк, то есть наиболее близкий к текущей цене.

Продолжаю тестировать описанный тут алгоритм, основанный на парном трейдинге: smart-lab.ru/blog/1176485.php
Собрал сделки на всех парах в одну кривую — получил вот такой красивый результат на out-of-sample данных.

Что ещё нужно сделать:
— Попытаться придумать критерий, чтобы еще на этапе тестирования отсеивать плохие пары.
— Проработать stop-loss'ы (и в целом продумать risk management). Пока единственное условие выхода — это боллингер.
Что НЕ работало:
— Алгоритмы из книжек и интернета в лоб, без своих идей.
— Метод наименьших квадратов (OLS) для вычисления коэффициентов регрессии. Коэффиценты получаются очень нестабильными, нужна какая-то регуляризация.
— Минутные данные. Издержки/спред/проскальзывания съедают прибыль.
Что заработало:
— Фильтр Калмана вместо OLS.
— Оптимизация параметров в фильтре Калмана не через прибыль, а через статистические свойства спреда.
— В статистических оценках — использование robust подходов, например https://medium.com/@aakash013/outlier-detection-treatment-z-score-iqr-and-robust-methods-398c99450ff3
Решил, что мой опыт разработки очень сложного алго может послужить уроком для многих, кто подумывает о чём‑то подобном 😀 Хочу предостеречь всех, кого привлекает принцип «чем сложнее, тем лучше», о котором я ещё напишу в следующих постах. Сразу оговорюсь, что сложность не ради сложности, будто фетиш какой‑то, а как неизбежное следствие попытки описать всё устройство механики рынка. В этом есть много преимуществ, но этот пост о недостатках...
Начну с оценки времязатрат. Когда я поставил на паузу трейдинг и ушёл в кодинг, я искренне был убеждён, что за полгода смогу запрограммировать всё что угодно))) Прошло уже 5 лет...
Как так может получиться? Очень просто.
Первый просчёт в том, что когда я закодил всё, что планировал, я понял, что этого недостаточно, т. к. в процессе разработки и ресёчей у меня много на что открылись глаза. ТЗ стало формироваться и увеличиваться по мере разработки.



Как вы знаете, в начале июля я проехался по северу России. За 10 дней побывал в 12 городах четырех регионов России: на Ямале, в Коми, Архангельской и Вологодской областей.
Я люблю путешествовать и предпочитаю бывать в незнакомых местах. Цель посетить по-максимуму регионов. В России был уже 66 регионах (75%).

Карта, на которой я стираю посещенные регионы.
Путешествие продумываю заранее, поэтому экономлю не только время, но и деньги. Попробую вкратце рассказать. Может, и вам пригодится 😉.
В путешествиях главная экономия строится в грамотно организованной логистике.
Например, в поездках по России удобно использовать железнодорожный транспорт — ездить ночными поездами. И под эти передвижения и выстраивать маршрут. Например, одну ночь проводим в поезде, следующую — в отеле. В этом путешествии у меня было 4 таких ночевки. Тут тебе и экономия в деньгах на отелях, и экономия времени на переездах — пока спишь, перемещаешься в пространстве, а день свободен.