Почему облигации и почему бессрочные? 

На этой неделе уже вторая госкомпания заявила о намерении разместить бессрочные облигации. На этот раз руководитель Почты России Максим Акимов в интервью РБК рассказал о планах компании привлечь до 70 млрд рублей с помощью такого инструмента. Ранее, 26 июня другая госмонополия РЖД разместила 30 млрд рублей в виде бессрочных облигаций.

Кризис вынуждает даже таких крупных игроков искать средства на долговом рынке. Хоть и они являются государственными и могут рассчитывать на финансовую поддержку государства, для их восстановления исключительно господдержки может и не хватить. Поэтому компании сейчас все активнее изучают варианты финансирования на рынках капитала.

Конкретно в случае РЖД и Почты России облигации остаются едва ли не единственным вариантом выхода на фондовый рынок. Компании не являются публичными, и сделки с дополнительным выпуском акций (такой вариант рассматривается Аэрофлотом — государственной, но публичной компанией) для обоих предприятий не актуальны.

На рынке имеются различные группы участников, каждая из которых ведёт свою игру. Сфокусируемся на одной из них, достаточно многочисленной или обладающей достаточным капиталом, чтобы влиять на цену. Мы хотим увидеть закономерности в действиях этой группы и как-то начать эксплуатировать их в свою пользу.

В следующем ниже тексте я хочу с помощью аналогий и мысленного эксперимента показать, что это трудная задача, и пояснить, почему.

Сегодня хочу поговорить об опционных аналитиках – программах и сервисах для анализа опционных позиций. На сегодняшний день для Российского рынка разработано не так и много софта. Что-то устарело, что-то достаточно свежее, есть за деньги и есть бесплатное. Перечислю, которые знаю сам:

1. www.option.ru/ (бесплатный) 2. options.red-circule.com/ (бесплатный)

3. Plazer Кирилла Браулова (бесплатный) 4. optionworkshop.net/ (50 $ базовый)

5. OptionFVV (бесплатный)

6. TSLAB (около 4000р)

7. option-lab (не знаю)

8. Модуль в Квик (бесплатно)

 
Если знаете еще – пишите в комментах.

Недавно я дописал графический интерфейс к своему роботу Delta PRO.

Получилось вот так:

Чарт полностью дублирует открытые позиции из робота и строит график PnL.

И здесь уже можно поиграть с волатильностью, дней до экспирации, ценой БА, а также с количеством тех или иных инструментов в позиции.

Вернее так: что я увидел, обучая модели. Всякие подобные темы любят поднимать трейдеры, они отлично располагают для пространных рассуждений о рынке и жизни, а я это, можно сказать, увидел наглядно. В общем, наблюдения не что-то гениальное, мной открытое, не грааль, но я это наблюдаю.

Что я делаю:

Играюсь с моделями ML, играюсь гипер-параметрами – параметрами самих моделей непосредственно и моими какими-то входящими параметрами. Смотрю как меняются результаты в зависимости от этих параметров.

Что я увидел:

1. Где-то закономерностей объективно больше, где-то объективно меньше. Если прочесываешь график моделями (с разными параметрами) по мат. ожиданию OOS результатов совокупности моделей и по их распределению видно, что из каких-то графиков закономерности извлекаются на ура, а из каких-то со скрипом. В данном случае график это пересечение по тикер-TF-временной отрезок. Да даже если брать только тикер, некоторые, что называется, палку воткни, она зацветёт, а в некоторых надо очень постараться, чтобы нащупать нормальные закономерности.
2. Похоже, действительно легче прогнозировать на короткие интервалы. Но эта закономерность выглядит не так, как её обычно преподносят. Обычно в ходу какая-то такая версия: чем ближе, тем легче, типа на минуты легче, чем на часы и т.д. Я бы сказал, что подтверждение находит скорее следующее: чем больше отношение горизонта прогноза к длине промежутка времени, данные из которого непосредственно участвуют в прогнозе. Ну т.е. если ты принимаешь решение по 50 свечам, то на 2*50 можно прогнозировать с большей точностью (winrate), чем на 10*50 и т.д. При этом в другом контексте, например, если ты ушел на TF выше, ты эти 10*50 сможешь спрогнозировать уже с хорошей точностью.
3. Объективно раньше было зарабатывать легче. По ошибке из большого промежутка времени сначала какое-то время брал для обучения данные не самые свежие, а самые древние и удивлялся очень приличным результатам моделей, на свежих данных моделям можно сказать драматически сложнее извлекать закономерности.