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:

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")

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()

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.

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:

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.

• Mean-Variance
• Hierarchical Risk Parity (созданный Маркусом Лопезом де Прадо)
• Critical Line Algorithm (говаривают метод специально для оптимизации портфелей придуман)
• Efficient Frontier with nonconvex optimizer (нашел в примерах питоновского пакета, добавил для кучи)

• LSTM (модель предложенная китайцами, из предыдущего поста)
• Trained LSTM (обученная модель на истории, предсказывает распределение на следующие 22 дня)

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

       Приветствую друзья, год назад усиленно занимался трейдингом и разработкой алгоритмов, ночами писал lua скрипты под quik разбор ленты сделок, во всю строил интеллектуальные системы, анализ котировок с помощью нейросетей. Инвестиции рассматривал как привилегию для богатых, фундаментальный анализ, разбор отчетностей — не не слышал, только фьючи только тех анализ только хардкор!!!
       И однажды наткнулся на интересную статью, идея зацепила нашел единомышленников, как говорится один программист хорошо а 1.5 лучше! И вуа ля, спустя каких то жалких 366 дней, прядь седых волос и кучу измотанных нервов на свет появилось ЭТО .

       С недавнего времени любой желающий может воспользоваться сие твореньем зарегистрировав бесплатный ключ и ощутить преимущества автоматической портфельной ребалансировки. Суть алгоритма заключается постоянной ребалансировке акций относительно ранее созданного шаблона, то есть до начала торговли вы создаете шаблон (слепок) вашего портфеля и в процессе работы ребалансируете свой портфель (приводите к шаблону). Результаты работы алгоритма публикуются каждый день по ссылке. Всем спасибо за внимание!!!

Алгоритм InveSteady
Результаты работы 
Отличная статья