Для моделирование ТС на Python, прежде всего нужен сам Python. Pythonы бывают очень разные.

Самый большой и длинный Python — Anaconda (https://anaconda.org/). Скачать дистрибутив Anaconda можно здесь — Индивидуальное издание -https://www.anaconda.com/products/individual.
Я работаю именно с Anaconda. Установив Anaconda мы получаем сам Python, уже установленные значительную часть нужных и ненужных пакетов с библиотеками Python, и несколько сред разработки. И все это сразу готово к работе, и нам, по большей части, уже не придется дополнительно устанавливать пакеты и среды.

Самый маленький Python последней версии 3.8.2. скачивается с сайта самого Python — https://www.python.org/. Это, практически, только сам язык, компилятор и минимальный набор пакетов. Сделать с ним практически ничего невозможно, и для работы придется постоянно устанавливать нужные пакеты. Среду разработки придется также устанавливать самостоятельно.
Этот Python больше подходит для запуска и работы с уже отлаженными законченными программами.

Начинающие (да и не только) инвесторы часто задаются вопросом о том, как отобрать для себя идеальное соотношение активов входящих в портфель. Часто (или не очень, но знаю про двух точно) у некоторых брокеров эту функцию выполняет торговый робот. Но заложенные в них алгоритмы не раскрываются.

В этом посте будет рассмотрено то, как оптимизировать портфель при помощи Python и симуляции Монте Карло. Под оптимизацией портфеля понимается такое соотношение весов, которое будет удовлетворять одному из условий:

• Портфель с минимальным уровнем риском при желаемой доходности;
• Портфель с максимальной доходностью при установленном риске;
• Портфель с максимальным значением доходности

Для расчета возьмем девять акций, которые рекомендовал торговый робот одного из брокеров на начало января 2020 года и так же он устанавливал по ним оптимальные веса в портфеле: 'ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM' и 'PKI'. Для анализа будет взяты данные по акциям за последние три года.

#Загружаем библиотеки

import pandas as pd
import yfinance as yf
import numpy as np
import matplotlib.pyplot as plt

# Получаем данные по акциям
ticker = ['ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM', 'PKI']

stock = yf.download(ticker,'2017-01-01', '2019-01-31')

Любые вложения в ценные бумаги — это риски. Их уровень инвестор выбирает сам, покупая определенные активы и составляя из них портфель. Гособлигации, или госбонды, — инструмент, который подходит разным инвесторам. Он может быть низкорискованным или высокодоходным — это зависит от государства-эмитента и особенностей самой бумаги.

Рассказываем, как выбрать подходящие гособлигации и где их купить.

Как выбирать гособлигации

В основном на цену облигаций и их доходность влияют рейтинг государства-эмитента, тип бондов и срок до их погашения, ключевая ставка в стране и ситуация на рынке. Рассмотрим каждый фактор подробнее:

Кредитный рейтинг государства. Присваивают его международные рейтинговые агентства — Moody’s, Standard & Poor’s (S&P), Fitch, DBRS. Происходит это так: они анализируют финансовое положение эмитента и текущую задолженность, оценивают будущие доходы, сравнивают с конкурентами, а потом выдают рейтинг.

Торговая система BWS

Введение

          В основе человеческой психологии лежит желание купить то, что подешевело, то, что стоило раньше 100, а сейчас, к примеру, 90. Подобные сделки кажутся очень выгодными, тем более, что в обычной повседневной жизни они, как правило, действительно являются выгодными. Например, выгодно покупать продукты по акциям в магазине со скидкой, выгодно отовариваться на распродажах, покупать товары при ликвидации магазинов и т.д. Именно поэтому многие и на фондовом рынке придерживаются такой же стратегии, покупая акции компаний аутсайдеров, которые падают и, зачастую, падают сильно. Не скрою, что когда-то и я так торговал, но анализ собственных сделок, а также анализ движения цен на акции лидеров рынка и аутсайдеров, заставили меня пересмотреть этот подход.

         Если вы уже давно торгуете на фондовом рынке, то наверняка заметили, что одни и те же бумаги растут сильнее рынка, а другие все время стоят на месте или даже падают. Примеров можно привести много: это и ВТБ, который разместился на IPO в 2007 году по 13.6 копеек, а сейчас стоит менее 4 копеек, это и Газпром, который когда-то в 2008 году стоил более 300 рублей, а сейчас, спустя 10 лет, стоит в два раза меньше. Да и каждый из вас без труда может привести множество подобных примеров. В то же время есть бумаги, которые выросли за это время в несколько раз, оставаясь лучшими много лет подряд.

В определенный момент у любого алготрейдера количество торговых систем переваливает за ту цифру, которую можно держать в голове вместе со всеми параметрами и результатами тестов. Конечно, в тс лабе можно сохранять результаты тестов, но из массы кубиков или переменных в коде быстро вычленить идею практически невозможно, особенно, если ТС строилась больше недели назад. Лично мне в такой ситуации помогает Development Worksheet (Паспорт робота), обычный эксель файл с общей информацией о стратегии.

Данный лайфхак, если мне не изменяет память, был найден в книжке Кевина Дэйви «Building Winning Algorithmic Trading Systems». В самой книге автор рассказывает о том, как он тестирует стратегии. Автор делает очень сложное многоступенчатое тестирование, которое начинается предварительными тестами входов и выходов: фиксированный стоп/профит, поза по фиксированному числу баров, monkey тест и прочее (если есть интерес, то могу описать все его изощрения подробно в следующей заметке). После этого он проводит форвардное тестирование и тест монте карло. Перед запуском стратегии на больших деньгах он дает системе поторговать маленьким капиталом (по-моему порядка полугода) и сверяет результаты торговли с тестовыми, вносит поправки. Таким образом на создание системы уходит как минимум 7-8 месяцев.

Короткие, но очень важные рекомендации по инвестициям времени и денег для «молодого» поколения. 

Рекомендации основаны на личном опыте и изучении тенденций ближайшего будущего в сфере социологии, геополитики, климата, современных технологий и экономки.
Почему такой возрастной промежуток? До 25 лет мало кто задумывается об долгосрочных инвестициях, а после 45 лет ты уже должен чего-то достичь и иметь свою «консервативную» картину мира. Выводы ниже сделаны из видения будущего (2050-80 гг.) выдающимися представителями вышеперечисленных сфер. Список делался для своих детей (т.е. рекомендации «подкреплены» личным примером инвестирования :-) ).
Все пункты, естественно, очень субъективны.

1. Образование и профессии.

Современная система образования, по всему миру, значительно устарела. Особенно школа. Чуть меньше университеты. Она направлена на обучение «на основе предыдущего опыта», а не на «то, что будет востребовано в будущем». Еще она убивает таланты и креативность, начиная с детского садика.