Привет, сегодня вместо традиционного бэктеста разберем площадки, где можно подсмотреть идеи для торговых стратегий.  Навеяно постом Eugene Logunov о литературе для алго-трейдера https://smart-lab.ru/blog/627444.php Теперь у нас есть методики, но где взять идеи? :)

Наши предыдущие бэктесты хоть и адаптированы под Россию и имеют отличия в реализации – все равно основываются на ранее выявленных закономерностях в США/Европе. Сразу скажу, что речь пойдет об исследованиях в открытом доступе. Если на работе/в университете есть доступ к EBSCO или Science Direct, то вы и сами знаете, где все посмотреть.

Зачем вообще читать академические ресерчи, если фонд LTCM показал, что кол-во цитирований и премий спорно соотносится с успехом на рынке?

Хорошие ресерчи дают базовые идеи о том, что и почему работало в прошлом, на каких стадиях и почему перестало. Да, в них есть реализация или дизайн исполнения, но обычно он сырой и его всегда можно поменять, сохранив базовую идею. В отличие от дискуссий в рунете, очень сложно опубликовать что-то без пруфов, а проверка устойчивости не ограничивается t-статистикой > 3.  Сам текст хорошо структурирован, методика либо объясняется полностью, либо ссылается на такой текст. Авторы в основном исследователи, которые выполняя свою работу попутно дают подсказки практикам. Но встречаются и практики, например, аналитики хедж фонда AQR сейчас главные поставщики контента по факторным стратегиям или ученые Dimson и Ibbotson, которые параллельно пишут исследования для инвестиционных банков. Если желание почитать что-то заумное осталось, то сформулируйте идею/биржевую аномалию, которую хотите проверить (например, покупка акций с наибольшими дивидендами) и возвращайтесь к этому тексту.

Основные страновые индексы давно стали мерилом доходности фондового рынка той или иной страны. В России таким индексом является Индекс МосБиржи (IMOEX). Именно по нему и определяют доходность Российского фондового рынка в рублях, а также делают выводы о долгосрочной доходности (индекс существует с 22 сентября 1997 года)

В общем не плохой вариант, но есть некие рамки, которые хотелось расширить, чтобы более детально проанализировать прошлую доходность рынка:
1. Почему-то принято измерять годовую доходность по календарным годам. Почему не считать по 1 июля?
2. Данный индекс не учитывает, выплаченных дивидендов. Обычно делают допущения типа – «и прибавим к доходности индекса 5% дивидендной доходности». Почему именно 5%? Вот посмотрите тут, за 6 лет дивдоходность была постоянно разной.
3. Так как индекс МосБиржи не учитывает дивиденды, то он и не учитывает налоги с этих дивидендов.
4. И наконец, самое главное, на чем мы хотим сосредоточиться. Данный индекс показывает номинальную доходность, а не реальную (с корректировкой на инфляцию)

Итак, технология исследования:

Итак, технология исследования:
1. Вместо индекса МосБиржи мы взяли Индекс МосБиржи полной доходности «нетто» (по налоговым ставкам российских организаций) — MCFTRR. Это тот же самый индекс, но он учитывает все выплаченные дивиденды по компаниям, входящим в индекс, а также учитывает налоги, которые необходимо выплатить по данным дивидендам. Этим ходом убираем два недочета, описанные выше.
2. Индекс полной доходности начал рассчитываться 17 лет назад, с 26 февраля 2003 года. Но нам мало 17 годовых отрезков для анализа. Поэтому берем годовые отрезки со смещением в месяц. То есть первый годовой отрезок с марта 2003 по март 2004, второй с апреля 2003 по апрель 2004 и так далее, всего получаем 196 годовых отрезков. Тоже самое для 2-х годовых отрезков, 3-х годовых и так далее до 17-летних отрезков. Итого получаем 1700 временных окон для расчета доходностей. Это не так много, как на американском фондовом рынке, но уже в 100 раз больше, чем в исходных данных.

3. Рассчитываем не только номинальную, но и реальную доходность.

Вот традиционный расчет номинальной доходности Индекса полной доходности. Средняя номинальная доходность с 1 января 2004 по 31 декабря 2019 г составила 15,1%. При этом волатильность по годам очень высокая. В 2009 году номинальная доходность составила 125%, а в 2008 минус 66,7%. «Радует глаз», что из 16 лет всего 3 были убыточными.

Алготрейдинг. Получение данных свечей средствами QLUA

Очень часто бывает необходимо получить данные последних N-свечей различного интервала инструмента торговли. К сожалению, в справке QLUA нет достаточно полных примеров кода работы получения данных. В скрипте приведён пример получения данных интервала М1 инструмента BRN0 в формате <Инструмент> <Дата> <Время> <Цена_Open> <Цена_High> <Цена_Low> <Цена_Close> <Объем>. Данные пишутся в CSV формат.
Почему просто не выводить по DDE график и обрабатывать его в чём-нибудь более приятном? Есть простые вещи, для которых нет необходимости в таких конструкциях (проанализировать резкое изменение объема, найти определенную формацию/комбинацию свечей, а затем вывести в quik сообщение).

-------------------------------------------------------------------------------------------------------
--- Функция получения результатов свечей в .CSV в виде:
--- <Инструмент> <Дата> <Время> <Цена_Open> <Цена_High> <Цена_Low> <Цена_Close> <Объем>
--- BRN0	1	20200605	200100	42.15	42.16	42.1	42.1	2150
-------------------------------------------------------------------------------------------------------
is_run=true

-- Параметры
tInstr="BRN0" --код инструмента/бумаги
classcode="SPBFUT" --код класса инструмента/бумаги, если нужен фондовый рынок - вводить TQBR вместо SPBFUT
iNterval=INTERVAL_M1 --таймфрейм
-- доступные таймфреймы указаны в справке Quik (qlua.chm в папке с quik) по поиску CreateDataSource
-- пример INTERVAL_H1
corrTime=3 --Время МСК. C сервера время приходит без корректировки.
pFile="w:\\temp" --путь, где будет создаваться файл
cBars=10 --сколько свечей надо вывести
--настройка параметров

function OnInit()
	out_file=io.open(pFile .."\\"..tostring(tInstr)..".csv","w")
	is_run=(out_file~=nil)
	ds=CreateDataSource(classcode, tInstr, iNterval ) --создаем источник данных
	ds:SetUpdateCallback(NewChartData) --обновление последних данных
end

function strText(int)
	local m=tostring(int)
	local mLen=string.len(int)

	if mLen==1 then
		Output="0" .. tostring(m)
	else Output=m
	end
	return Output
end

function main()
	while is_run do
	local Size=ds:Size() --Получение количества всех свечей в источнике данных

	if cBars>Size then
		cBars=Size-1
	end

	for i=Size-cBars, Size, 1 do
		local O=ds:O(i) -- Значение цена открытия свечи
		local H=ds:H(i) -- Значение High для свечи
		local L=ds:L(i) -- Значение Low для свечи
		local C=ds:C(i) -- Значение Close для свечи
		local V=ds:V(i) -- Значение Volume для свечи
		local T=ds:T(i) -- Значение Time для свечи

		sTime=os.time(T)
		datetime=os.date("!*t",sTime)

		--вывод в файл
		out_file:write(tInstr..";"..tostring(iNterval)..";"..tostring(datetime.year)..tostring(strText(datetime.month))..tostring(strText(datetime.day))..";"..tostring(strText(datetime.hour + corrTime))..tostring(strText(datetime.min))..tostring(strText(datetime.sec))..";"..tostring(O)..";"..tostring(H)..";"..tostring(L)..";"..tostring©..";"..tostring(V).."\n")
		out_file:flush() --запись данных
	end
		out_file:close()
		sleep(1000)   -- приостановка на 1 секунду
		out_file=io.open(pFile .."\\"..tostring(tInstr)..".csv","w")
	end
end

Привет, новая неделя – новый бэктест факторной стратегии. На этот раз не только на Мосбирже и не только в акциях. Первоначально тут планировался большой текст про взаимодействие Моментума, торгового оборота и волатильности на неликвидных рынках и последующий Шарп сильно за 2.

Но в последний момент решили выпускать стратегии по нарастанию их сложности.  Сегодня речь не об «иксах», но об очень устойчивой штуке – получению доходности выше рыночной за длинный промежуток по разным классам активов без принятия рисков отдельных компаний или стран.

Традиционный график с результатом перед стеной текста:

Источник: Sentimetrica

Синяя линия – модификация Моментума на глобальных рынках, зеленая – индекс глобальных акций MSCI World, красная – равновзвешенный портфель из акций, казначейских векселей США и сырьевой корзины.

Из всех стратегий американских биржевых гуру – самыми полюбившимися для меня стали идеи получения ВСЕЙ рыночной доходности Джона Богла и CANSLIM Уильяма Онил. У фраз «Индекс в долгосроке всегда растет» и «Лучшие компании остаются лучшими» много общего, верно? Попробуем оформить объединенную стратегию на основе классиков.

Привет, новая неделя – новый бэктест факторной стратегии на Мосбирже. В прошлый раз была проверена стратегия Value через мультипликаторы P/E и P/BV https://smart-lab.ru/blog/609357.php В этот раз мы проверили стратегию Momentum на российских акциях.

Суть ее очень проста – покупаем акции, которые сильнее всего выросли за последние 6 месяцев и шортим акции с худшей динамикой цены за тот же период. Стратегия получается рыночно нейтральной (в теории, на самом деле — корреляция с рынком очевидна) и если у такого лонг-шорт портфеля есть положительная доходность, то мы можем сказать, что на Мосбирже есть моментум эффект.

Воспользовавшись поиском по Смартлабу можно найти несколько интересных исследований по моментуму (если что-то упущено, пожалуйста, дайте ссылку в комментариях) – «Есть ли сила в моментуме» от at6 https://smart-lab.ru/blog/596080.php и «Как обогнать индекс (пример выигрышной торговой стратегии)» от AlexChi https://smart-lab.ru/blog/499362.php

Привет, в этом исследовании протестируем идею покупки недооцененных акций на нашем рынке по мультипликаторам P/E и P/BV за последние 17 лет. Достаточный срок, который включает периоды роста, спадов и нудного боковика. До 2004г. количество ликвидных бумаг было совсем скромным, а основная активность концентрировалась в РАО ЕЭС.

Обычно упоминанием низких мультипликаторов заканчивается инвестиционная идея от брокеров или телеграм каналов: «Компания Х заканчивает цикл инвестиций в новое производство, ожидаем существенного роста бизнеса. Также у компании самый низкий P/E в отрасли, хороший момент для покупки». Не проще ли просто купить 25% лучших ликвидных акций с наименьшим P/E, раз в месяц перетряхивать портфель и получать доходность выше рынка? После тестов этой стратегии на Python выводы не столь однозначны.

Моментальная оговорка – авторские инвестиционные идеи, драйверы и опыт сложно загнать в рамки механического бэктеста, поэтому они никак не учитываются в разборе. Линчевание и погружение в бизнес по Баффету эффективно проводить, когда ты управляющий крупнейшего фонда и имеешь прямой контакт с директорами компаний. Покупка кофе на остановках Газпромнефти имеет спорное влияние на инвестиционный анализ, а финансовые отчеты доступны каждому.

В продолжении разговора об рыночных факторах-аномалиях(начало было здесь, про дивиденды), хочу немного написать о другом рыночном факторе — моментуме. Для начала, вот ссылка на очень хорошую статью — «The Quantitative Momentum Investing Philosophy» из блога компании Alpha Architect, рекомендую прочесть. В ней изложены основные принципы, на основе которых компания делает свои моментум-фонды. Если совсем кратко изложить суть написанного, то для акций, на горизонте от 6 до 12 месяцев, наблюдается образование аномалии моментума. Иными словами, если цены акции начали рост, и уже растут больше 6 месяцев, то рост с большой вероятностью будет продолжен. Эта аномалия описана во множестве академических работ и используется во многих рыночных моделях, например моделях Фамы-Френча(см. ссылки в статье). В этих же академических работах также отмечается, что на этом многомесячном тренде роста иногда возникает обратное контр-трендовое движение, длительностью до месяца. Чтобы отсечь этот «противоход», часто используют определение моментума в следующем виде: общий рост за N месяцев, без учета последнего(самого недавнего) месяца. В модели Фамы-Френча используется определение моментума — 12 минус 1, т.е. рост за 12 месяцев, без учета последнего месяца. Этот же моментум часто называют «12_2 моментум», по месяцам вычисления.