Предисловие

Железное правило для предисловий в книгах по трейдингу: всегда упоминайте свой многолетний опыт работы на фондовом рынке в первом предложении. Однако это сомнительная рекомендация. Потому что трейдер с многолетним опытом обычно имеет только одно преимущество перед новичком. Он потерял больше денег.

Те, кто занимается частной торговлей на фондовом рынке, попадают в причудливый мир, не похожий на сцену средневекового алхимика. Попытка предсказать будущее — в данном случае будущую цену финансового продукта — принимает странные формы. Для прогнозирования цен трейдеру доступны бесчисленные инструменты, называемые «техническими индикаторами». Но и довольно нетехнические методы, такие как астрология, свечные модели, волны Эллиотта или линии Ганна, часто и с удовольствием используются — к большому удовольствию брокеров.

Там, где люди стремятся понять непредсказуемые на первый взгляд цепи событий, процветает эзотерика.

Здравствуйте, коллеги!

Тимофей тут решил лудомана/спекулянта в помощники себе взять. Для кандидатов вспомнил о ресурсе Stock Trading Simulation, он до сих пор работает! Переходим и кнопочками Buy/Sell торгуем свою систему «без приборов», глазками, результат под графиком (издержки на трейд добавьте по своему желанию):


Занимательно и полезно ;)

Телега: https://t.me/Tactica_Adversa

Кто не первый день торгует на бирже, тот знает, что для описания вероятностных процессов происходящих на биржевых торгах не подходит формула нормального распределения вероятностей (распределение Гаусса). Рассмотрим нормальное распределение вероятностей (НР) и биржевое распределение вероятностей (БР). 

Нормальное биржевое распределение

Первое отличие БР от НР заключается в том, что БР имеет более «толстые хвосты». То есть, немного большая часть вероятностных событий находится дальше от точки математического ожидания. Этот факт можно объяснить тем, что в НР  {\displaystyle \sigma }  б — среднеквадратическое отклонение (волатильность) является константой, а в БР волатильность величина переменная и тоже случайная. Наличие своей дисперсии у волатильности дает нам дополнительное «размазывание» плотности вероятностей.

Прошёл почти месяц, как я перешёл на Linux, на своей основной рабочей машине. Скажу, что процесс оказался существенно легче, чем я ожидал изначально. Но не буду писать, что я ожидал каких-то серьёзных трудностей, потому что различными способами обкатывал те или иные моменты в работе на домашних компьютерах, или на специально поднятой виртуальной машине.

Попробовав разные дистрибутивы Linux, я в итоге остановился на ALT, а именно на ALT WORKSTATION 10. Пожалуй, основными критериями стали:

1. Поддерживается российской командой разработчиков и один из самых старых на российском рынке Linux дистрибутив
2. Из «отечественных» Имеет самый большой собственный репозиторий, и судя по всем самые свежие версии популярных программ, по сравнению с другими «российскими» Linux.

Эту таблицу я впервые приводил в своем выступлении на конференции Смартлаба  весной 2016-го и повторил на конференции 2018-го, акцентировав внимание на том, что хочу оформить письменно ниже

Что в таблице?  В таблице доли участков RI (фьючерс на индекс РТС — прим. мое) из 10 приращений, как по отдельным периодам, так и в целом, которые я отнес к «трендам». Что я считал «трендом»? «Трендом» я считал участки, на которых среднее приращений цен (или приращений логарифмов цен, что эквивалентно) отлично от нуля и если оно больше нуля, то относим отрезок к «трендам вверх», а если меньше нуля – к «трендам вниз».

 Какой использовался критерий? Обычный модифицированный критерий Стьюдента на отличие приращений логарифма(!) цены от приращений гауссовского процесса со средним нуль  и дисперсией «почти равной» для 9 испытаний из 10 (нулевая гипотеза). Так как мы имеем критерий на различие сложной гипотезы против простой, то распределение статистики критерия точно известно нам только  при простой гипотезе. И потому при априори выбранных границах критерия мы можем знать только вероятности попадания последовательности из 10 значений в наши «классы» при верности нулевой гипотезы.

Я уже писал, почему логарифмические проценты очень удобно использовать при проведении различных исследований в инвестициях — Доходность. Как считать? И почему полезен непрерывный процент.

Сегодня я хочу показать еще одно очень удобное применения логарифмического процента при проведении расчетов доходности, номинированных в различных валютах.

Давайте рассмотрим такой пример. Предположим у нас есть два актива, один номинирован в рублях (актив — А), другой в долларах США (актив — В). Пусть за 28 месяцев А вырос с 20 рублей до 60, а В со 100 долларов до 170. Мы легко можем посчитать прирост каждого актива за указанный период:

• А прирос на 200% — ((60/20-1)*100)
• B прирос на 70% — ((170/100-1)*100)

Но чтобы сравнить их между собой, нам нужно посмотреть как за этот же период изменился курс. И пусть для нашей задачи курс изменился с 50 рублей за один доллар до 70. Это значит что он вырос на 40% ((70/50-1)*100).

Об услуге доверительное управление на рынке ценных бумаг сложилось крайне негативное впечатление у подавляющего большинства инвесторов. И к моему глубочайшему сожалению, многое для этого было сделано самими профучастниками. Настоящий пост я хотел бы посветить разговору про доверительное управление и постараться без прекрас показать, что действительно стоит знать, и что может помочь при выборе доверительного управляющего.

Первый блок будет о том, почему доверительное управлении в подавляющем большинстве плохо работает, и в чем вина профучастников.
Большая часть проблемы и откровенно плохих результатов у клиентов ДУ связана с работой крупных инвестиционных домов и банков, которые оказывают весь комплекс финансовых услуг. К сожалению, за время моей профдеятельности и то, что я видел из отчетов клиентов, которые делились информацией по своим портфелям в ДУ у крупняка, я могу сделать однозначный вывод, что деньги клиентов прежде всего используются для интересов этих структур и только потом в интересах клиентов. Выражается это обычно в двух основных подходах: