Довольно часто на СЛ появляются всякие сбежавшие от санитаров граждане, которые выкладывают свой потрясающий торговый перформанс за последние 2 недели (а иногда и за 3 или даже 6 месяцев!), с доходностью 100-1000-10000% годовых, и предлагают (так и быть) поуправлять вашими деньгами за небольшую долю будущих фантастических прибылей. Таких, конечно, люди с опытом торговли и анализа перформанса сразу отправят в баню.

Но что если, гипотетически, вам попался трейдер, который показал перформанс за очень много лет (допустим, с 1997 — года зупуска ММВБ), и перформанс этот неплохой и даже хороший? Очевидно, имеет смысл рассмотреть его предложение поуправлять вашими деньгами. То есть где-то все-таки есть граница по длине трэк-рекорда и перформансу, за пределами которой мы можем считать, что человек, показывающий нам такой трэк-рекорд, умеет торговать. Алгоритму анализа трэк-рекорда и определения таких границ и посвящен данный топик. Разумеется, приведенный алгоритм подходит для работы с обычными среднечастотными и низкочастотными управляющими, всякое ХФТ — это вообще отдельная песня, к данному топику отношения не имеющая.

( Читать дальше )

Давно известно, что если вы хотите купить какую-то акцию дешевле — продайте на нее пут не в деньгах. Например хотите сбер по 180? Продайте 180й пут. Если цена упадет ниже 180 — то вы получите акцию по 180 и еще премию по путу. (например 2) и таким образом эффективная цена покупки будет 178. Ну, а если цена не упала — то получите просто истекшую премию в размере 2, что в пересчете на ГО довольно неплохая доходность. Пример выше — условный, надо смотреть на цены, страйки, волатильность. Но есть одно простое правило — путы лучше продавать тогда, когда рынок уже припал и вола подскочила и часть падения уже пройдена. (Так, сейчас кто-то бросится писать коммент про мой 2008й год. Да, такое бывает. Но сейчас этих предпосылок, вроде как, нет).
Чем еще хорошо продавать путы? что если акция болтается в диапазоне, то вы собираете премию. Обычный владелец стока при неизменной (почти) цене акции получит лишь дивиденды, а вы — опционную премию. (правда не будет дивидендов)

Но тут возникает два момента — первый, с опционами не все знакомы и не все связываются и второй — не на каждый инструмент есть опцион. Поэтому сейчас я расскажу стратегию торговли, для которой не нужны опционы, но суть ее особо не поменяется. Более того, добавятся дивиденды.

( Читать дальше )

Что отличает трейдеров друг от друга?

Ну помимо вида функции эквити и ее параметров. Эта функция на первый взгляд кажется объективной. Но часто  она  может свидетельствовать только  о   попадании трейдера  в удачную для него  фазу рынка. Сменится фаза рынка и  настанет «пичалька».

На самом деле важнейшей объективной характеристкой торговой системы и ее ядром является  математически  четко формализованная модель рынка.

Покажем  влияние  эффекта Даннинга-Крюгера на выбор  моделей.

Как известно, эффект Даннинга-Крюгера  заключается в том, что люди, имеющие низкий уровень квалификации, делают ошибочные выводы, принимают неудачные решения и при этом не способны осознавать свои ошибки и уровень некомпетентности (ВИКИ).

Кривая, отражающая этот эффект, показана на рис.1.

 

Почти все трейдеры начинают свой путь с моделей классического ТА (скользяшки, волны, свечи, паттерны, уровни и  т.п.) или интуитивных моделей.

( Читать дальше )

 (информационно-просветительский текст о трейдинге – очень краткое теоретическое обоснованиеи указание на  его  тайный  механизм, о котором многие не догадываются, а те, кто догадываются, часто неправильно понимают его сущность.
Но от степени понимания этого механизма и умения его использовать   некоторые трейдеры,  инвесторы, фонды зарабатывают очень прилично, другие -  просто прилично,  большинство — неприлично и  основная масса торгующих организмов (кто не в теме) теряют депозит) 

Если вам показалось, что вы меня поняли, то это значит, что вы поняли  меня неправильно.

А.Гринспен 

Честно говоря, не хотел это писать, но ведь все равно  найдется «спиноза», который рано или поздно слегка  просветит понимающую эту тему  общественность.

Поэтому  кратко только обозначим проблему

( Читать дальше )

Биржа ММВБ не так давно стала публиковать индексы полной доходности учитывая дивиденды и налогообложение http://www.moex.com/ru/index/totalreturn.aspx.

Решил посчитать сколько же реально зарабатывают местные Баффеты, для этого я взял индекс RTSTRR (RTS Net Total Return (Resident)) Для начала посмотрим как вообще выглядит индекс RTSTRR относительно индекса RTS




К сожалению TradingView показывает данные только начиная с 2017 года.

Я написал скрипт который скачивает данные по ссылке http://www.moex.com/ru/index/totalreturn.aspx и в R продолжил анализ ( скрипт ниже ). Вот как выглядят индексы начиная с 2009 года.

 

Как видно, с течением

( Читать дальше )

Сложился стереотип, что теория вероятностей – это человеческая наука  о случайности. На самом деле это не совсем точно. Это математическая дисциплина, изучающая свойства вероятностных пространств. Что такое вероятностное пространство? Это человеческая математическая модель для случая, когда пока ненаблюдаемое является набором событий с некоторыми шансами их появления, как минимум, два из которых ненулевые. А что такое случайность? Это когда наше лучшее знание о пока ненаблюдаемом является набором событий с некоторыми шансами их появления, как минимум, два из которых ненулевые. Т. е. теория вероятностей занимается лишь изучением второй части из определения случайности и никак не доказывает и не опровергает гипотезу о нашем лучшем знании о пока ненаблюдаемом. Т. е. в основе теории вероятности лежит гипотеза об объективном существовании случайности.

И как определяется вероятностное пространство? А определяется оно исключительно в виде частного случая теории множеств, лежащей в основе всей современной математики. Откажитесь от теории множеств и вся современная математика рассыпается в прах.

( Читать дальше )

Доклад «Оптимизация портфеля алгоритмических стратегий»

1. Введение

В чем состоит цель подобной оптимизации? Представим, что у нас есть набор алгоритмов, каждый из которых обладает некоторыми статистическими свойствами, из которых наиболее важными для нас являются доходность и максимальная величина просадки. В основе каждого из алгоритмов лежат разные стратегии, которые, тем не менее, могут быть коррелированы между собой в разной степени, торговля также может вестись на разных инструментах. В качестве примера приведу характеристики стратегий, которые были разработаны нашей командой и применяются в боевых торгах в настоящее время:

Так как свойства каждого из алгоритмов отличаются, возникает проблема: каким образом распределить между ними доступный капитал для того чтобы:

1. Максимизировать доход при заданном уровне риска ( то есть максимальной величине просадки)

2. Минимизировать риск при заданной доходности

Если дать, например равные доли капитала каждому алгоритму, то, очевидно, что такое распределение не будет оптимальным, так как мы не учитываем характеристики, присущие стратегиям. Не будет оптимальным и тот случай, когда мы, например, выделяем капитал пропорционально относительной доходности каждого алгоритма, здесь мы игнорируем значения волатильности, то есть риска, стратегий.

2. Модель Марковица

Задачу оптимизации попробуем решить, применив теорию оптимального портфеля, разработанную Марковицем, точнее некоторые последующие ее модификации. Обычно данная теория применяется для долгосрочного инвестиционного портфеля, состоящего из различных активов, например акций. Кратко  суть теории.

( Читать дальше )

Продолжаю изучать R и делиться кодом. На этот раз проанализируем коинтегрированность. Вообще, торговать корреляции опасно, так как они могут оказаться случайными. Гораздо безопаснее коинтеграцию. Хотя и она может ломаться.

Далее используется тест Энгла-Грэнджера. Тест основан на коинтеграционном уравнении, оценённом с помощью обычного МНК. Идея теста заключается в том, что если остатки этой модели нестационарны (имеют единичный корень), то коинтеграция временных рядов отсутствует. Нулевая гипотеза — отсутствие коинтеграции, то есть наличие единичного корня в ошибках модели (коинтеграционного уравнения). Для проверки гипотезы единичного корня применяется статистика расширенного теста Дики-Фулера, однако в отличие от классического случая этого теста в данном случае критические значения статистики иные, они больше по абсолютной величине.


Коинтеграция Si со спотом 

( Читать дальше )

Небольшая статья с ресурса http://www.talaikis.com/ о построении простой стратегии, использующую наивный байесовский классификатор при создании процесса возврата к среднему. Весь код в статье приведен на языке Python.

Это достаточно большая область исследований, но расскажем все очень кратко. Мы попытаемся найти взаимоотношение между  временными сериями  (в данном случае возьмем в качестве сигнала взаимный фонд XLF из финансового сектора, сдвинутый по времени на 1 день назад), а нашей целью будет фьючерс S&P500 в форме CFD. Будем входить в длинную позицию по этой бумаге при нулевой вероятности приращения. Логически нулевая вероятность ни о чем не говорит, другими словами, будем покупать возврат к среднему.

1. Получение данных

Y = read_mongo(dbase, "S&P5001440")
X = read_mongo(dbase, syms[s]).shift()

#готовим набор данных
res = pd.concat([X.CLOSE, Y.CLOSE], axis=1, join_axes=[X.index]).pct_change().dropna()
res.columns = ['X', 'Y']

( Читать дальше )

В перерывах между ТСЛабом и голым кодингом копаюсь в разного рода онлайн сервисах по роботобилдингу. Пока вот очередной перерыв, решил опубликовать список из онлайн-сервисов, которые предоставляют разные возможности для бектестов и деплоймента алгоритмов. Т.к. большинство смартлабовцев сидят на иглах ТСЛаба и WL, делать детальное описание не буду, хотя покопался там изрядно. Может как-нибудь за следующим перерывом...

RIZM — прикольный конструктор. Недавно вроде гугл показал подобный кодогенератор. Суть — Вы не пишете коды, а складываете кубики. Только не такие, как в ТСЛабе или еще где-то, а более близкие к программированию. Т.е., если Вы умеете читать код, но не умеете его писать (аки покорный Ваш слуга), то это для Вас.

QUANTOPIAN — упоминался несколько раз тут на СЛ. Quantopian стал центром для выпускников математических и научных дисциплин, которые обладают навыками программирования. Для кодеров. Python. Многие говорят, что соскочили с квантконнекта в квантопиан именно по причине простоты питона. Легендарный

( Читать дальше )