Это развернутый ответ на вопрос заданный в топике https://smart-lab.ru/blog/533229.php

Вкратце перескажу. Автор озадачился относительно простым вопросом: опционы Сбербанка. Продаем 100 путов страйка 21000, покупаем 100 путов со страйком 19000 и больше ничего до экспирации не делаем.

Вопрос сколько требуется денег на счете, чтобы брокер принудительно не закрыл при любом развитии ситуации?

Воспользуемся калькулятором на http://www.option.ru и получим вот такую картинку. Дата экспирации взята 19/06/2019, цены на момент составления картинки.

 

На первый взгляд, риски закрыты и максимальные потери составляют не более 180 тыс.руб. Поэтому автор решает оставить для этой позиции 200 тыс.руб, а остальные деньги пустить на какие-то иные маневры.

Действительно, если мы с позицией ничего не делаем, то как бы не прыгали греки, будет меняться только текущее положение вещей (красная линия), а на экспирации мы должны получить результат, обозначенный синей линией. Теория говорит, что ГО в процессе не должно превысить максимального уровня убытков в -172,8 тыс.руб. При этом автор, как я понял убежден, что на экспирации получится результат, соответствующий синей линии, если не вмешаются злые духи в виде брокера или биржи.

( Читать дальше )

В декабре 2017-го, точнее на данных до 10.12.2017, я создал несколько оптимальных портфелей из стратегий на сайте comon.ru. Методику создания этих портфелей я изложил на своем вебинаре 25.01.2018 (презетация того вебинара здесь). И хотя в дальнейшем веса стратегий в портфелях пересматривались в соответствии с моей методикой, все результаты этих стратегий с 11.12.2007 являются чистым out of sample, потому что прошлые эквити стратегий при смене весов не меняются. Результаты по этим стратегиям сведены в следующую таблицу

  

Примечание. Рантье опт=0.8*Сбалансированная опт+0.2*USA

Как мы видим из таблицы, расчет просадок по Монте-Карло дал вполне хорошие оценки сверху реальных просадок, за исключением стратегии USA middle. Впрочем, про последнюю я отдельно говорил на вебинаре, что ее оценка по Монте-Карло завышена, так как получена на данных 2016-2017 годов, когда максимальная просадка S&P500 составила около 6% и естественно, что для стратегий стокпикингового типа (а иных на комоне для США нет) при большем падении  S&P500 должна быть пропорционально больше. Что собственно в 2018-м при падении S&P500 на 20%+ и произошло. По той же причине и просадка Рантье опт оказалась больше просадки  Сбалансированная опт (см. Примечание выше)

( Читать дальше )

Говоря о торговле на бирже как о профессии, я не могу найти в ней романтики. Даже фильмы про трейдеров снять не получается. Потому что трейдинг это статистика. Если бы в наше время писали сценарий «Служебный роман», то место действия, было бы выбрано, в каком ни будь ПИФе. Ни каких переживаний, ни какого азарта, ни каких драм. Очень скучно. Тем более интересно, что находятся люди, которые на голом месте, могут потрепать себе нервы.

Поэтому снова и снова мы возвращаемся к статистике. В продолжении предыдущих топиков. Так как я не смогу осветить все в детальном объеме, ответы вы найдете в этом разделе естествознания.

Мы остановились на том, что к нам приходит событие, и мы можем измерить его волатильность. В общем, наше отклонение за день является кусочком дисперсии. И если оно 2%, то для нас оно среднее, и мы можем сказать, что СКО у нас 2% и это СКО нашего нормального распределения за этот день. Тогда мы можем сделать предположение, что следующее СКО у нас будет, тоже 2%.

( Читать дальше )

     В задачах оценки бизнес проектов, прогнозирования спроса, определения справедливой цены опциона или портфельного инвестирования, так или иначе, возникает проблема адекватной оценки рисков.  Обычно за риск принимается простое, выборочное среднеквадратичное отклонение, для которого хорошо разработан аппарат математической статистики, позволяющий прогнозировать критические показатели, например просадки,  и проводить стресс-тесты в предположении центральной предельной теоремы, то есть в предположении узкой стационарности  наблюдаемых процессов.

     Однако, мы зачастую имеем дело с абсолютно  другими, нестационарными процессами. Не стационарность процесса может быть вызвана  как нелинейным синергетическим эффектом  (реклама и «сарафанное радио»,  мода, политические выборы, революции и пр. самоорганизации),  как множественностью состояний системы (тренд/флэт), так и просто  некоторой инерцией системы, связанной, например, с задержкой принятия решений основными игроками.

( Читать дальше )

Тут вот какая хрень  получается.

Готовлюсь сейчас к экзамену ФСФР. 
И думаю — может слегка освежить в памяти основы матстатистики и теорвера? 
Ну типа, чтобы надёжно запас сделать для тестирования на экзамене. Ну и, заодно опционы тоже прояснить.

Или не стоит париться — понадеяться что и так хватит сообразительности и общей эрудиции?
Ну и в порядке отдыха от экзаменационных вопросов посматриваю «Начало» Нолана. 

Утром во время гимнастики прикидываю, а вдруг всю окружающую реальность я сам себе формирую и строю? Вот сейчас выстрою себе достаточные для экзамена знания матстатистики, думаю… Может курс видео Горчакова поискать или ещё кого толкового?
В общем, создать себе реальность из фантазий? Как в тех снах? Ведь во время инсультной комы погружало во снах — до третьего уровня дошёл — может «Начало» таки правду говорит?...

Да не, хрень, какая-то… Вот что — вот так можно взять и изваять своим сознанием что угодно? Окружение, контакты, общение, судьбу? Ну бред же… если не сказать грубее — солипсизм какой-то.

( Читать дальше )

 

Введение

На сегодняшний день у меня есть три краткосрочные спекулятивные торговые системы и, соответственно, три одноименных торговых робота:

1. CandleMax
2. PVVI
3. AVP

Описание и тестирование в программе Wealth-Lab первых двух роботов я уже приводил. Вот соответствующие ссылки:

Тестирование рабочей свечной модели на исторических данных

Тестирование модели CandleMax в программе Wealth-Lab

Индикатор PVV (price/volume/volatility)

Тестирование робота PVVI в программе Wealth-Lab

Сейчас настало время дать краткое описание и привести тестирование в программе Wealth-Lab третьей торговой системы, которая у меня сейчас в работе.

Торговая система AVP (average volume/price) не является свечной моделью, как CandleMax, и не основана на красивой математической формуле, как система PVVI. Из трех моих спекулятивных роботов, робот AVP выдает сигналы реже всех. Тем не менее, результативность этого робота практически совпадает с результативностью робота PVVI, лишь совсем немного ей уступая.

( Читать дальше )

Наверное, если кто сможет сгенерировать реальную волу, а значит, в обратную сторону, получить формулу ее расчета, тот получит следующую Нобелевскую премию. А я и не претендую (зачем мне она, «Мы делаем деньги на бирже»). Для начала давайте обсудим и согласуем свойства волатильности. Скачиваем файл.

https://cloud.mail.ru/public/k69C/4k8khnUhR

Что мы обычно делаем. Берем приращения логарифмов, потому что мы знаем, что цена растет по экспоненте. И из этих приращений делаем распределение. И мы допустим, что это распределение может быть нормальным от Гауса. Поэтому мы сразу нагенерим такую последовательность, которую нам выдавала в формуле sigma*W. И которую мы извлекаем из БА.

Сгенерируем нормальное распределение. В прошлый раз мы брали просто случайные числа для волатильности. Для того что бы сделать их числами нормального распределения надо вставить в функцию из эксела, «нормальное обращение» и задать волатильность нормальности и среднее. Смотрите формулу на листе «Нормальное распределение». Среднее мы оставим 0 волу 0,2. Если еще, кто ни будь не видел, то вот оно, о чем тут такие жаркие споры. При каждом пересчете выдаются параметры этого распределения. СКО и оно соответствует заданному 0,2. Эксцесс около 0 и Скос около 0. То есть выдерживаются все параметры Гауса. Ниже график дисперсии. Наши  «дельта индикатор» и график волатильности со средней 20, который ходит вокруг 20. Вы можете пересчитывать лист. Распределение посчитано за 200 периодов, так что оно немного гуляет. И это нормально. У нас не так много значений в анализе.

( Читать дальше )

Совсем недавно я написал рецензию на книгу Стива Акелиса “Технический анализ от А до Я”. Вот эта рецензия:

Лучшая книга по техническому анализу

Книга Стива Акелиса хороша, но  я бы, скорее всего, не стал о ней писать и не назвал бы ее лучшей, если бы не одна история, которая приключилась со мной в далеком 2015 году. Итак, шел 2015 год, рынок то рос, то падал, и я все больше стал смотреть в сторону относительно коротких инвестиций и даже спекуляций, ибо сильные колебания курса рубля и неустойчивая доходность лишали долгосрочные инвестиции большей части былой привлекательности.

Будучи программистом, я все больше и больше начинал смотреть в сторону технического анализа и различных паттернов.  Правда, технический анализ не спешил дарить мне рабочие торговые системы. Что я только не тестировал и какие только параметры не перебирал! Казалось бы, вот она идея, но стоило ее протестировать на истории и меня в очередной раз ожидало сильное разочарование. В некотором роде мне повезло, я знал хотя бы где и куда копать. Еще в самом начале своего торгового пути я понял, что лучшие бумаги, как правило, остаются лучшими, а аутсайдеры, так и остаются аутсайдерами. Т.е. я не тратил время, нервы и деньги на ловлю падающих ножей и на усреднение убыточных позиций. Но как выжать максимум из тех бумаг, что растут и растут хорошо? Как из нескольких десятков лидеров определить ту одну-две бумаги, которые дадут максимальную прибыль?

( Читать дальше )

Давайте соберем цену, потом разберем цену и сравним. Все будет производиться на ваших глазах в экселе. Файл, которого я прикладываю. ФАЙЛ https://cloud.mail.ru/public/27GB/5ipstzGrY  .(в зеленые области вы будите вписывать разные цифры).  Проверку на гетероскедастичность мы будем делать методом максимального правдоподобия. Во я загнул. Если просто. Мы возьмем две, хорошо известных нам стратегии и будем их прогонять на каждом шаге создания графика цены. Первая стратегия. Увеличение лота на один при убытке. Принцип опциона. И если у нас случайный процесс, то должно получаться 50/50. И удвоение позиции. Принцип мартингейта. И если у нас случайный процесс у=x^2, то у^2=x, мы всегда в плюсе. Давайте по шагам.

Шаг первый, лист W

Сгенерируем случайные числа. В экселе есть функция =случмежду(0;1). И 0 переведем в -1, а 1 в 1. У нас получился простой бинарный ряд из 1 и -1. Возьмем 100 таких цифр. Теперь посчитаем их сумму нарастающим итогом.  К сумме предыдущей прибавить следующее (Total). И построим график изменения этой суммы. Назовем это «геометрическое Броуновское движение».  Тогда, сумма всех случайных числе будет равна точке, куда пришел наш график. А сумма всех случайных чисел в квадрате, будет равна пройденному пути. А если каждый шаг происходит за 1 секунду. То это, одновременно, и время. И мы должны получить следующую зависимость. Берем 100, извлекаем корень квадратный и получаем 10. И это одно стандартное отклонение. И есть теорема, которая доказывает, что 68% траекторий  будут заканчиваться в диапазоне от -10 до +10. Вы можете это проверить сами. В графе ТЕСТ введите число. Если сумма средних от -10 до +10, ставим 1, если больше 0. У вас будет получаться среднее 0,7, в среднем. То есть в 3 случаях из 10 мы будем выскакивать из -10 +10. И это уже не 50/50 вверх или в низ. Это уже 30/70.

( Читать дальше )

Когда имеешь график функции, такой как опционные цены, то можно подобрать функцию которая ляжет на этот график. У меня есть целая коллекция таких функций. Но я вам хочу представить функцию, которой можно дать объяснения и потом долго доказывать, что она правильная.

В природе много различных процессов, которые математически описываются одними и теми же математическими формулами.  Возьмем за основу процесс, график которого очень схож с прайсингом опционов.

( Читать дальше )