Избранное трейдера VladimirD
Данные об облигациях, дающих премию или дисконт к средней доходности для их кредитного рейтинга – в наших обычных 4-х таблицах. Первые две – облигации с премиями доходностей, для дюраций 0,5-2 года и 2-4 года, т.е. формально недооцененные. Вторые две – облигации с дисконтами доходностей, т.е. формально переоцененные, тоже с делением по дюрации.
В первой таблице множество облигаций, которые мы держим в публичном портфеле ВДО (а значит, и в доверительном управлении). При этом мы не трогаем Гарант-Инвест, Сегежу, М.Видео, ВИС, О`КЕЙ по соображениям риска. Мы также стараемся не брать бумаги хоть и с премиями, но ниже рейтинга BBB ( Быстроденьги с рейтингом BB-, вероятно, доберем). Изучим Новые Технологии и РКС, чтобы добавить их в портфель, либо тоже отставить в сторону.
Опыт показывает, что большое количество людей хотят вести подсчёт всех показателей своего облигационного портфеля в таблицах Excel. Об этом говорят сотни репостов, лайков, комментариев под постами по таблицам, что я публиковал.
В ведении excel таблицы с облигациями есть много преимуществ. Одним из главных считаю возможность кастомизации всего, что угодно. Если вам нужен любой из десятков параметров, вы можете без труда их указать. Миксовать по своему усмотрению всё, что только вздумается.
Привязка к API Московской биржи позволяет тянуть всю информацию напрямую с первоисточника, что гарантирует вам наиболее достоверные данные.
В этой статье собрал абсолютно все материалы по работе с таблицами excel и гугл, что написал более чем за год.
Надеюсь, ты не успел забыть мой прошлый набросок и все те идеи, которые я пытался погрузить в тебя. У меня вроде получилось попасть синим прямоугольником в нужное отверстие.
Если ты сейчас читаешь и не понимаешь, что за отверстие, что за синий прямоугольник, какие, нафиг, идеи, то ты явно позабыл, а, может, даже не видел нашу прошлую часть. Лови ссылку, освежи в памяти и возвращайся сюда.
Что ж, надеюсь, ты вспомнил о том, что мы выбрали всё-таки вложиться в разработку модели машинного обучения и даже помечтали о том, как это можно сделать, но настало время подумать о том, какие этические вызовы и риски возникают. В этом и есть вся моя натура: сначала сделать, а потом думать. Привыкайте.
Когда речь заходит о рисках, я в первую очередь вспоминаю Арнольда Шварценеггера и не забываю о восстании машин, шучу. Хотя у меня большие вопросы вызывает момент безопасности. Если крупные фонды подключат свои модели к торговле, то при нарушении работы одной из них на рынках начинается кровавая баня. Стоп, снова я думаю о плохом, где «to the moon», позитив, надо явно проработать этот момент с психологом.
В первой части… Да, была первая часть, уже столько времени прошло, что сам немного в шоке, вот ссылка на неё, освежи в памяти материал. Там мы, собственно, обсудили, как можно совместить машинное обучение и трейдинг. В итоге получили что-то похожее на картинку.
Сегодня я продолжу гадать, где всё-таки должен стоять этот синий прямоугольник, попытаюсь в ходе монолога разобраться, есть ли вообще смысл заниматься предсказанием цен, поговорим, как это можно реализовать, а также сколько это будет стоить.
Представь себе Усейна Болта и Анатолия Вассермана в одном механизме — это будет модель машинного обучения, и то самые первые прототипы, вероятно, были быстрее и умнее, чем два выдающихся человека нашей планеты. По секрету скажу тебе один факт, что когда ChatGPT пишет, я даже не успеваю читать за ним, не то что что-то обдумывать. Чтобы люди могли как-то сравниться с нынешним ИИ, надо возвести российского интеллектуала и ямайского легкоатлета в степень. Я как представил себе, что за мутант получится, аж страшно стало, пожалуй, хватит смотреть сериалы перед сном.
Пока готовлюсь к конфе, пересмотрел тут мое интервью с Максимом Орловским в октябре 2023, на предыдущей конференции смартлаба. Решил составить для вас полезный конспект:
Средняя годовая доходность личного инвестирования чуть больше 30% в долларах.
Принципы инвестиций:
Очевидно, что правила контртренда немного сложнее, чем простая низкочастотная система предыдущей стратегии. Алиса хочет посмотреть на отдельные кривые данных, чтобы убедиться, что все работает так, как нужно. Для этого она вставляет еще несколько строк в конце сценария:
Хотел бы продемонстрировать свою наработку (ссылка на ядиск), которая помогает мне найти нужные к покупке облигации. Это не идеальный документ, но (для меня) рабочий. Для корректной работы нужен интернет и компьютер, пробовал на телефоне – не корректно отображает таблицу.
При открытии файла Excel нужно обновить данные (выделено красным). Данные беру из открытых источников (тот-же SMART-LAB). Обновится нужно для отображения новых показателей, можно делать единоразово при открытии файла.
По вкладкам внизу (1) нужно определить какие именно облигации мы хотим добавить в свой портфель. Также есть сопутствующие вкладки помогающие в инвестировании.
Я приведу свой пример на основе ОФЗ.
Зеленая часть таблицы — это выгружаемая информация, белая (2) – простые математические формулы позволяющие определить приемлемую облигацию.
Нашёл любопытные данные по дивидендам от Альфа-Инвестиций. Все мы, конечно же, об этом догадывались, но мало кто это считал. Статистика из стратегии Альфа-Инвестиций на второй квартал 2024 года, выписал оттуда интересные данные про дивиденды. Просто потому что во втором квартале наступает что? Нет, не конец света. Основной дивидендный сезон.
Напоминаю про прогнозы от аналитиков по дивидендам:
Кто богатеет на дивидендных акциях, не пропустите новые обзоры.
На период с мая по июль приходится до 70% всех выплат в течение года.
Доход от покупки акций при их приобретении более чем за 50 дней до дивидендной отсечки оказывается выше самой дивидендной выплаты.
Сегодня мы начинаем серию постов, посвященных машинному обучению в торговле. Вы можете спросить, почему эта тематика. Всё достаточно просто: кто не хочет создать кнопку “бабло”? Признайтесь, что одна только мысль об этом приятна. Давайте оставим эмоции в стороне и начнем.
Первым шагом познакомимся с тем, что такое машинное обучение.
Машинное обучение – это когда компьютеры обучаются делать что-то полезное, анализируя огромные массивы данных. Не нужно им подробно объяснять, что и как делать, они сами находят закономерности и принимают решения.
Помните Д.Ж.А.Р.В.И.С. у Тони Старка? Считайте, что это модель машинного обучения.
Так вот, в финансовой торговле эти новые технологии становится настоящим прорывом. Почему? Потому что рынки – это нечто очень сложное и динамичное. Каждый день миллионы транзакций, сделки, новости – все это влияет на цены акций, валют, облигаций. И здесь на сцену выходит машинное обучение.
Представьте, вы торгуете на финансовом рынке. Вам нужно быстро анализировать тонны информации, чтобы понять, когда покупать, а когда продавать, ваша голова просто забита огромным количеством информации, и, опять же, мы не молодеем.