На наших телефонах сейчас огромное количество ценной, закрытой информации, в том числе финансовой.

Рассмотрим прецедент. Телефон потерян или украден.

Надеюсь пароль на телефоне установлен? Не установивших единицы и они настоящие камикадзе.

Далее не менее ценная часть — SIM-карты. Из телефона их можно достать и вставить в другой. На SIM-карту приходят коды подтверждения. Если одновременно потеряны банковские карты – то дело совсем плохо (хотя иногда банки возбуждаются при смене телефона). Ну и поскольку сейчас очень много информации о клиентах банков, брокеров, мобильных провайдеров слито, при получении злоумышленником SIM-карты, шанс потерять деньги велик.

Помните ли вы PIN-коды своих SIM-карт? Если да, то отлично.
При перезагрузке на вашем телефоне появляется запрос
Введите PIN-код. Осталось 3 попытки.

Если нет:

Новая симка имеет PIN-код по умолчанию типа 0000 или 1234. И находится в режиме – не спрашивать PIN-код при включении телефона.

( Читать дальше )

Cтал потихоньку видеть разницу между американским и российским рынком. Понятие интуитивное и наверно наивное и может даже не верное, так как опыт у меня исключительно внутрироссийский. Успешный трейдинг в Америке — это найти фишку которая выстрелит и сидеть на ней. Все эти неэффективности которые кто то пытается выловить техиндикаторами или линиями или еще чем то еще — давно уже там уничтожены  с точки зрения эффективного трейдинга. Эффективного в смысле дающего заработать на хлеб с маслом. На росбирже торгуется определенное число фишек, никто особо не выстреливает из ниоткуда и не падает в ноль, то есть искать какие то новые компании, которые взлетят, негде, да и незачем (пишу сие на фоне позавчерашнего взлета ТМК хехе), зато в наших 20+ более менее ликвидных фишках есть неэффективности, из которых можно извлекать прибыль. Поэтому мой российский подход для американского не годится (хотя допускаю что для определенной категории акций, не очень проторгованных, какие то хорошие неэффективности и можно найти). Хорошо, как найти это фишку которая выстрелит? А тут уж как вам душа скажет, хотите ковыряйте фундамент, хотите теханализ, хотите читайте отчеты и пытайтесь понять зайдет или нет новая услуга, хотите еще что, благо биржевая инфраструктура в США развита как нигде в мире и вы можете найти любую информацию о любой компании, в структурированной и удобной для анализа форме. И получив эту гору информации, перед вами свободное творчество — запускайте свои нейросетки и ищите, ищите, ищите, нечто что позволит вам выйти на истории, в привлекательную для вас кривую equty, а затем помолясь и перекрестившись пробуйте использовать сие в реальной торговле. И такой подход большой плюс для тех кто хочет побольше изучить всякие методы машинного обучения, то есть для меня. 
Пока я в NLP, это значит берем текст: отчеты, мнения, твиты, итд итп и получаем его количественные оценки, с точки зрения сантиментов например, или схожести одного текста к другому. Ну а дальше по схеме — фичи есть, прикручиваем какой то инструмент машингленинга. И самое  неожиданное, применив даже самый наивный подход оценки сантиментов, я получил положительный результат.  
В последний раз, получив положительный результат для 7 раздела отчета К-10, я решил увеличить выборку, и плюнув, начал прогонять К-10 полностью, увеличив выборку с 2000 отчетов до 4000. Ну и получил примерно такой же, соотносящийся с логикой результат: если в отчете негатива побольше, компании растут поменьше и наоборот. Заодно получил ответ на странную зависимость доходности от размера отчета — в значительной части это обьясняется тем что компании сектора Information Technology или Health Care имеют склонность писать небольшие отчеты, а например сектора Materials или Financials побольше, только вот так получилось что за последние 10 лет первые вырастали в среднем на +20% а последние на +15%. Если учесть секторальную принадлежность, то все равно окажется что компании меньше льющие воду в 7 разделе 10-К, имеют динамику акций лучше, но это будет уже разница не в 7%, а в 2%.
Все это я получил используя National Research Council Canada (NRC) affect lexicon. Напомню такой лексический подход до жути прост, берется текст и считается сколько в нем позитивных слов, негативных, «слов доверия», «слов страха» итп итд Но помимо него есть другие библиотеки слов, Lexicon Loughran and McDonald. Его минус, в том что там в нет словарей по 8 эмоциям, а только по 2 — позитив/негатив (ну почти), а я уже выяснил что ловить по этим признакам нечего. Так что Loughran and McDonald пролетели мимо.
Дальше решил попробовать Bert, очень популярная моделька, которая переписала рекорды в распознавание сантиментов в тексте. Но это уже другой подход, тут уже в чистом виде машинное обучение. Я попробовал и базовый Bert и finBert, получил оценки по шкале позитив/негатив, и на 10К и на 10Q. Не берусь судить насколько точно они оценили сантименты, но не обнаружил что из позитивных отчетов следует позитивная динамика акций, а из негативных -негативные. 
Ну и наконец попробовал третий вариант: представляем текст в векторном виде (превращаем его в цифры), ставим лейблы в зависимости от динамики в течении следующего дня: (Close/Open -1)*100 ну а дальше любой метод из машинного обучения. В чем отличие от finBert? Ведь и там и там мы текст превращаем в цифры мосле чего используем машинное обучение.
Ну вот например у нас есть твит: «Охренеть, завтра Гугл попрет как ракета!». Ожидания написавшего явно позитивные, но рынку в общем то плевать, и мы практикующие трейдеры это отлично знаем. Ну а Bert плевать что там на рынке в реальности, он тупо оценивает сантименты текста. Оценивает умно, с учетом контекста, преодолевая игру слов, сленг итп итд. И обучился Bert оценивать тональность текста на примерах где в качестве лейблов использовались оценки человека — позитивный текст или негативный. Для finBert брались финансовые тексты, где лейблы проставляли видные экономисты, я использовал вариант finBert, которая обучалась на 10К (ну как утверждал ее автор). Так вот, вся разница в лейблах. Я в качестве лейбла взял реакцию рынка, поэтому твит: «Охренеть, завтра Гугл попрет как ракета!», этот сверх позитивный твит, получит отметку негативного,  если на следующий день акции Гугла упадут. И получив на трейне лейбл «негативный», он на тесте будет все схожее с такого рода твитом оценивать как негативное для роста завтра. Вот и вся разница. Ну и плюс в том что Bert очень мощный инструмент, действительно оценивающий контекст, а я взял просто по пролетарски — TFID + sklearnкий MultinomialNB, то бишь наивный Байес. Дешево и сердито. Да тут можно было что то посолидней, типа LSTM, да что угодно, но думаю думаю смысла усложнять не было. По идее можно было даже создать свой «MaratBert», обучив монстра на рыночных лейблах... 
Помимо использования разных подходов я конечно химичил и с разными базами данных. Например решив увеличить выборку, взяв отчеты 10Q, это то же что и 10K но квартальный. Попробовал брать из отчетов только предложения где есть отсылка на ожидания, риски итп итд. Попробовал вместо отчетов SEC взять stocktweets. 
Много что перебирал, но в конечном счете самое интересно получил оценивая stocktweets наивным Байесом. Еще раз подчеркиваю, оценивал не сантименты. Нашел в сети базу stocktweets для 5 фишек. И получил такой вот результат на тесте:

( Читать дальше )

Одна из основных претензий к модели ценообразования капитальных активов и всей сопутствующей теории состоит в том, что она рассматривает жизнь как нечто унифицированное, бесплодное, состоящее из одинаковых, серых человечков. И, надо сказать, имеет на это полное право – лицензии ФСФР, сертификаты CFI, различные стандарты и ограничения превращают ярких, неповторимых управляющих в скучную серую массу, представители которой возглавляют столь же скучную первую строку Forbes... 


Что ж, давайте возьмем всех этих успешных управляющих и промоделируем их простым, бионическим нейроном.  Модель очень проста: если их долго раздражать, то они будут становиться всё более и более напряженными, пока, вдруг, не взорвутся в буре своих эмоций и не сбросят накопившееся напряжение в порыве страсти. После чего, наконец, успокоятся и уснут. И, напротив, если их вовсе не трогать, то их напряжение спадет само собой, и они уснут сами, без всякого бурного действа. Это модель возбуждения-торможения, одинаково хорошо применима и к инфузориям туфелькам, и к президенту Соединенных Штатов Америки, и, уж тем более, к нашим гениям финансового рынка. 

( Читать дальше )

Поскольку в предыдущих темах даются ссылки на законы, не имеющие номеров и которые еще не приняты, нашел ФЗ № 39 о рынке ценных бумаг, который и регламентирует эту деятельность. 
Начнем с того, что нужно для того, чтобы стать квалом:
Глава 2. Требования, которым должно соответствовать лицо для признания его квалифицированным инвестором

 Указание Банка России от 29.04.2015 N 3629-У «О признании лиц квалифицированными инвесторами и порядке ведения реестра лиц, признанных квалифицированными инвесторами» (Зарегистрировано в Минюсте России 28.05.2015 N 37415)

Глава 2. Требования, которым должно соответствовать лицо для признания его квалифицированным инвестором

2.1. Физическое лицо может быть признано квалифицированным инвестором, если оно отвечает любому из следующих требований.

2.1.1. Общая стоимость ценных бумаг, которыми владеет это лицо, и (или) общий размер обязательств из договоров, являющихся производными финансовыми инструментами и заключенных за счет этого лица, рассчитанные в порядке, предусмотренном пунктом 2.4 настоящего Указания, должны составлять не менее 6 миллионов рублей. При расчете указанной общей стоимости (общего размера обязательств) учитываются финансовые инструменты, предусмотренные 

( Читать дальше )

Буквально вчера праздно копался в интернете и случайно обнаружил довльно интересный подход к оптимизации портфеля. Люди взяли простейшую нейронную сеть


На вход подается исторические данные по закрытию и доходность. На выходе получают значение весов каждой бумаги в портфеле. После чего считают шарп как функцию ошибки. Т.е. они ничего не предстказывают, а просто находят наилучшее решение для текущих данных.

Работает это все только в лонг, и как утверждают авторы лучше чем марковец. Сам подход использования сетей показался интересным. :)
Что думаете, имеет право на жизнь?

Cсылка на источник:
paperswithcode.com/paper/deep-learning-for-portfolio-optimisation

Я хочу рассказать о сингапурском брокере Tiger Brokers, которым я пользуюсь уже некоторое время. Он предоставляет доступ к биржам США, Гонконга, Сингапура, Австралии и НЗ. По тексту будут сравнения с Interactive Brokers, так как он сейчас является самым популярным брокером для россиян с прямым доступом на американские биржи.





Общее описание

Сайт брокера находится тут. Tiger Brokers это брокер, который вышел из Китая, для предоставления доступа к мировым биржам в основном азиатским клиентам. По такой же модели работают другие большие брокеры вроде FUTU или Webull. У брокера серьёзные инвесторы, такие как Jim Rogers, Xiaomi и американский брокер Interactive Brokers (далее IB). Представитель IB сидит в совете директоров Tiger Brokers. О Tiger довольно много информации можно подчерпнуть из ведущих деловых СМИ. Акции Tiger Brokers торгуются на NASDAQ под тикером TIGR.

( Читать дальше )

Про искусственный интеллект, который идет совместно с нейронными сетями. Пишут очень многие. И я не понимаю. Почему на них ставят такие большие ожидания? Все это идет под соусом — вы подсовываете ИИ задачу. Он сам находит решение. Так ли это на самом деле? Я с удовольствием послушал описание. Что же это такое — нейронные сети. Но.
Мое понимание  — люди создали определенные алгоритмы поиска оптимального решения без полного перебора всех вариантов. К примеру. Возьмите бумагу в клеточку. Нарисуйте точку старта и финиша. Обведите клетки как преграды для маршрута. И найдите самый оптимальный маршрут. Если решать в лоб, то вы создадите тысячи вариантов маршрутов. Посчитаете, сколько затрачено переходов. И сравните их все. Это займет слишком много времени. И так понятно, что маршрут по кругу не будет оптимальный. Поэтому создается алгоритм, который и найдет оптимальный минуя полный перебор. В основе нейронных сетей есть понятие значимости (вес или что другое) Т.е. в нашей задаче — это ответ на вопрос — «Мы приближаемся к финишу, или нет?». Если мы раскрасим поля по разному весу перехода. Мы усложним задачу. Но сам алгоритм не изменится. При любом варианте алгоритм получают при знании правильного решения и тестировании разных вариантов. Если решения задачи нет — то ничего нет и не будет.

( Читать дальше )

Я очень динамичный человек — лежать, тупить или не торопиться — не мое. Можно, конечно, но более 2х дней на океане — ну никак.
И я всегда увлекался спортом. Именно увлекался. Лет с 20 тренажерка, раза 2 в неделю, после 30 в мою жизнь стал заходить бег и уже в 40 я увлекся бегом в совокупе с силовыми, но железо — дома, не в зале, не люблю спортзалы — купил домой все что нужно — и в любое время занимаешься.
И я всегда себя отлично чувствовал. Никогда не лежал в больницах, никогда серьезно не болел, никогда у меня не болела голова, даже с похмелья )
И я лет с 35 2 раза в год делал чек-ап примитивный — ну там биохимию, узи простаты, жкт, рентген — осенью и весной — и всегда все ок.
И в прошлом году во сне случился со мной эпилептический приступ — я не помню ничего — жена рассказала и скорая еще подробностей накидала — рекомендовали МРТ головы сделать с контрастом — после эпи-приступов типа это норма.
Ну я и сделал.
И, как оказалось, в никогда-не-болевшей моей голове глиома — опухоль, в лобной доле, хорошо, что на поверхности и контраст не берет — то есть высока вероятность, что не злая она.

( Читать дальше )

Привет! Бегло полистал SL и обнаружил, что книжные обзоры делятся на 2 типа – инвесторские и хардкорное алго (HFT и опционы). Промежуточный вариант попытаюсь закрыть данным постом. По уровню сложности книги в обзоре находятся между зубодробительной подборкой от Eugene Logunov https://smart-lab.ru/blog/534237.php и приятным чтивом по фундаментальным стратегиям.

1)    Lasse H. Pedersen – Efficiently Inefficient

Отличная книга и №1 по соотношению польза/сложность. Автор показывает, как кванты тестируют и отбирают стратегии в портфель. Условно ее можно разделить на 4 части: арбитраж, факторные стратегии, глобал макро и технические моменты запуска и финансирования фонда. HFT и опционные стратегии упоминаются вскользь. Наверное, книга подойдет и для совсем начинающих, т.к. все метрики (вплоть до волатильности) и базовые концепции раскрываются с 0.

LHP – один из боссов крупного хедж фонда в Гринвиче, но в отличие от Далио или Дракенмиллера, еще и хардкорный академик. Поэтому в книге любое утверждение подтверждается ссылками, а для глубокого погружения есть отличный список первоисточников. Понятно, что никаких секретов своего работодателя LHP не раскрывает, но профильные главы для меня оказались полезными в плане идей + отсылки туда, где копать глубже.

( Читать дальше )

Криптобиржа Binance предлагает новый способ заработка на криптовалюте - Dual Investment с доходностью до 90%.

Суть такова, что ты инвестируешь свои кровные BTC или USDT (BUSD) на фиксированный срок под фиксированный же процент (20, 46, 74 или 90% годовых). Но с одним нюансом — для каждой линейки депозитов задана страйк-цена. И если в конце срока реальный курс биткоина будет выше страйка, то BTC депозит будет сконвертирован в USDT (BUSD) по курсу страйка, а если ниже, то USDT (BUSD) депозит будет сконвертирован в BTC. 

www.binance.com/en/support/announcement/0da72a6274ed4360a6b0d7e597cc9972



Я не силён в деривативах, но полагаю, что фактически со стороны биржи это является покупкой европейских опционов call и put соответственно, только подаётся в новой маркетинговой обёртке.
И всё бы ничего, но получается, что курс в 1,5-2 раза ниже рынка.

Например, вкладывая 1 BTC до 26 марта под 20%, на выходе мы получаем либо 1,0121 BTC, либо $62750,2 (в зависимости от того, ниже или выше страйк цены, соответственно, будет курс биткоина на дату окончания депозита)

( Читать дальше )