В своё время бутылка водки стоила 2 рубля 87 копеек, а четвертинка – 1 рубль 49 копеек. Если 1,49 возвести в степень 2,87, получится число пи с точностью до нескольких знаков после запятой.
Согласитесь, такое совпадение неспроста?

— Ну, и при чём тут трейдинг? – сразу же последовал вопрос молодого смартлабовца.

— Просто заголовком навеяло, — сознался я, — Хотя… если вспомнить сливы моих депозитов, тогда не число, но буква «пи» довольно точно определяет…

— Соотношение дисциплины и глупости, — заключил смартлабовец, — Как можно шутить, когда речь идёт о Граале? Посмотри, что у тебя написано в заголовке!

Лицо смартлабовца выглядело так, будто он нечаянно проглотил вишнёвую косточку.

— Критику считаю справедливой, — успокоительно сказал я. – Заголовок, значит, заголовок.

Священный Грааль трейдинга, вопрос вопросов. Есть или не есть? Почти Шекспир :-)
Взявшись за автоматическое перо, я вздохнул и встал на путь исправления.
…

( Читать дальше )

Идея не нова, вопрос был только в реализации.

Платформа MetaTrader 5 обладает возможностями автоматизации Тестера. Расчет огромного количества данных на истории реальных тиков — обыденность.

Проверка адаптивности ТС — аналогично.

Обработка расчетов.

Однако, при большом количестве уже проведенных вычислений требуется разобрать эту кучу данных и найти в ней что-то, действительно, интересное.

Это можно делать двумя способами:

1. Создать автоматический критерий, который отфильтрует что-то стОящее от вычислительной шелухи.
2. Перебрать руками каждый кусочек цифровой кучи, доверяя фильтрацию мощной интеллектуальной машине — головному мозгу человека.

В первом случае получается быстро, но можно легко что-то упустить, действительно, важное.

Во втором случае все гораздо тщательнее, но очень много времени на это уходит. Элементарно утомить природную машину настолько, что больше никогда не захочется к этому возвращаться.

( Читать дальше )

Приветствую! Напишу о том, как найти облигации, какие выбрать, как анализировать и купить.

Последний пост про рост инфляции заставил многих задуматься о том, как защитить деньги от обесценения, приумножить их в долгосрочном периоде и в то же время не влезать в переоцененные акции.

Многие просили написать про облигации. Я полностью согласен с тем, что облигации в текущих условиях оптимальный вариант инвестирования свободных денег. Поэтому по этим просьбам решил написать об этом инструменте.

Облигации играют важную роль в портфеле. У меня в портфелях они составляют 45% активов. В первую очередь, это ликвидный запас денег на случай снижения рынка акций. Во-вторых, это инструмент с понятной и стабильной доходностью в отличие от акций. Многие помнят, что я увеличиваю инвестиции в акции, когда рынок падает, поэтому в такие периоды облигационный резерв выступает источником покупки акций.

Проще говоря, когда рынок растет, я увеличиваю резерв из облигаций и покупаю акции на минимум. Когда рынок падает, я увеличиваю покупки акций и сокращаю облигационный резерв.

( Читать дальше )

Здравствуйте, коллеги!

Обвал не амбал в переулке, выйдем все с профитом ;) Сейчас время присмотреться и поднять потом с пола бумаги (в случае падения) с потенциалом роста в средне-долгосрок.
Из моего будущего портфеля несколько ингредиентов:

Полиметалл, отгадайте где он? Месячные графики, Полиметалл слева, золото спот справа:

Вместе:

( Читать дальше )

С проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

1. О данных

Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.

Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from google.colab import files
import warnings
warnings.filterwarnings("ignore")

Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.

def changeDF(df):
  df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True)
  name =[x for x in globals() if globals()[x] is df][0]
  df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1)
  df = df.set_index(['date'])
  df.columns = [name+'_cl', name + '_vol']
  return df

fxgd_change = changeDF(fxgd)
fxrl_change = changeDF(fxrl)
fxit_change = changeDF(fxit)
fxus_change = changeDF(fxus)
fxru_change = changeDF(fxru)
fxcn_change = changeDF(fxcn)

etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1)

etf.head()

В результате получили:

( Читать дальше )

Искал откуда можно скачать исторические котировки. Да так, чтобы все было в одном месте: и рынок РФ, и рынок США, и фьючерсы, и крипта. Да ещё и бесплатно.

Все эти котировки есть в tradingview, но скачать оттуда можно только в платном аккаунте.





Кстати, при регистрации дают пробный период на 30 дней на любом тарифе. Во время пробного периода можно купить платный аккаунт со скидкой до 60%.



( Читать дальше )

Люблю разбираться в цифрах. Третьего дня заинтересовали меня доходы и расходы консолидированного бюджета РФ. Скачал с сайта Минфина табличку по годам и отразил на графиках данные за 15 лет. Нарисовалась такая картина:


За 15 лет бюджет в рублях вырос примерно в 4 раза. Сравнил его с рублевым ВВП. Оказывается, за 15 лет он тоже подрос примерно в 4 раза:



( Читать дальше )

Доделал некоторые элементы своих программ, для проведения различных расчетов и исследований. И было неплохо их опробовать на сравнение инвестиций в рублях и долларах.

В прошлой статье "Рубли или доллары? Куда податься инвестору?" Я бегло сравнил инвестиции в акции российских компаний через индекс IMOEX и американские — индекс SP500, указав, что стоило бы учесть дивиденды, но скорее всего за тот рассматриваемый промежуток времени ситуация сложилась бы в пользу России, несмотря на все обесценения рубля за исключением дефолта 1998 года.

Кстати, в комментариях были интересные дискуссии на тему насколько правильно не учитывать дефолт. Я хотел бы вынести, один из аргументов в эту статью:
На мой взгляд текущая ситуация в России принципиально отличается от конца 90-х. А в экономическом смысле, и с точки зрения проводимой денежно-кредитной политики это две разные страны, если можно так выразиться. На текущий момент у России инвестиционный рейтинг BBB со стабильным прогнозом. Для этой категории рейтингов вероятность дефолта сроком на 1 год составляет примерно 0,03% а к 10 годам повышается до 3.8%, что делает возможность дефолта маловероятным событием. Именно поэтому, я и считаю, что с экономической точки зрения можно не учитывать 1998 год в сравнении.

( Читать дальше )

Привет! Сегодня не про результаты, а про методы. Закончил писать базовый функционал библиотеки для количественных исследований. Вот что из него можно выжать:

• Моделирование портфелей по кросс-секции и временным рядам;
• Квантильная методика формирования портфелей в % от выборки или фиксированное число инструментов;
• Возможность гибко задавать веса в портфеле по дополнительному фактору (почти smart beta);
• Можно вырывать данные для аналитики на каждом промежуточном этапе: сделки, размер позиций, комиссии, доходность портфелей;
• Возможность относительно точно учесть комиссионные расходы;
• Пока самая простая визуализация и метрики.

Как выглядит итоговая отрисовка:

Небольшая предыстория или зачем писать свой тестер

 

Не являясь базовым программистом, я пользовался готовыми решениями для бэктестов и особенно долго засиживался на платформе Quantopian. В прошлом году компания не получила нового транша от инвесторов и объявила о закрытии. Вместе с ней сгинул и весь написанный код, а знания синтаксиса несуществующей платформы близки по полезности к 1С-программированию при переезде в долину.
Поработав с другими сервисами, понял, что их существенные недостатки можно разделить на 3 группы:

( Читать дальше )

Портфельная теория Марковица

Портфельная теория Марковица(далее ПТМ) (Modern portfolio theory) — разработанная Гарри Марковицем методика формирования инвестиционного портфеля, направленная на оптимальный выбор активов, исходя из требуемого соотношения доходность/риск. Сформулированные им в 1950-х годах идеи составляют основу современной портфельной теории.

Основные положения портфельной теории были сформулированы Гарри Марковицем при подготовке им докторской диссертации в 1950—1951 годах.

Рождением же портфельной теории Марковица считается опубликованная в «Финансовом журнале» в 1952 году статья «Выбор портфеля». В ней он впервые предложил математическую модель формирования оптимального портфеля и привёл методы построения портфелей при определённых условиях. Основная заслуга Марковица состояла в предложении вероятностной формализации понятий «доходность» и «риск», что позволило перевести задачу выбора оптимального портфеля на формальный математический язык. Надо отметить, что в годы создания теории Марковиц работал в RAND Corp., вместе с одним из основателей линейной и нелинейной оптимизации — Джорджем Данцигом и сам участвовал в решении указанных задач. Поэтому собственная теория, после необходимой формализации, хорошо ложилась в указанное русло.

( Читать дальше )