Избранное трейдера argon5
На Московской бирже торгуется более 2500 облигаций, но большая часть из них неликвидна — в стакане почти нет предложений и сделок совершается крайне мало. Это затрудняет покупку и продажу таких бумаг. При этом известные мне публичные сервисы не суммируют объемы торгов за период, поэтому сложно быстро найти облигации с высокой ликвидностью.
Пять лет назад написал Node.js-скрипт, затем адаптировал его для Google Таблиц, а теперь разрабатываю Python версию. При помощи сообщества на GitHub эта Python версия идёт к созданию полноценной библиотеки с расширенными возможностями: автоматический поиск ликвидных облигаций, расчет денежных потоков, сбор новостей по эмитентам и вычисление оптимального объема покупки. Все это направлено на помощь простым инвесторам, вроде нас с вами, чтобы оперативно находить выгодные инвестиционные инструменты и принимать решения на основе актуальной информации.

Ликвидность это один из ключевых параметров, поскольку даже высокодоходная бумага бесполезна, если её невозможно купить. В моём скрипте для поиска облигаций используются несколько основных критериев:

Мы решили напомнить инвесторам о нюансах по налогу при торговле облигациями и о возможностях его уменьшения. Для этого провели прямой эфир, на котором подробно рассказали про:

В этой статье расскажу о том, как воспроизвел и протестировал торговую систему для фьючерсов Московской биржи, основанную на идеях Александра Резвякова. Недавно, просматривая раздел алготрейдинга на Смартлабе, я наткнулся на видео с его выступления на конференции 2024 года под названием "5-6 идей для построения прибыльной торговой системы на фьючерсах". Меня привлекла четкость и понятность предложенных им правил торговли.
Поскольку я активно занимаюсь автоматизацией процессов и стремлюсь глубже изучить возможности Python библиотеки backtesting.py, мне показалось это хорошей идеей для практического применения.
Хотя я лично не знаком с Александром, полагаю, что публичное представление идеи предполагает возможность её независимого анализа и тестирования сообществом трейдеров и программистов.

Основная идея — открывать сделки в строго определенное время и использовать структуру рынка последних дней для принятия решений.

Как я дошел до жизни такой?
Вопрос, конечно, интересный, но ответ на него для меня закономерно очевидный.
Вариантов точно не было. Судите сами.
На дворе 1989 год. Я четвертый год тружусь после окончании ВУЗа по распределению
в отраслевом НИИ на должности младшего научного сотрудника с окладом 180 рублей.
И сразу позвольте мне сделать небольшое не лирическое сопоставление для читателей, которые не знакомы с ценами и зарплатами в наших палестинах в конце 80-х годов прошлого века. По моим субъективным «ощущениям» советский рубль 1989 года приблизительно соответствует 1000 современных российских рублей. Этот «пересчет» сделан не для выявления реальной покупательной способности рубля, а для удобства сопоставления стоимости некоторых товаров и услуг, которые будут упоминаться далее по тексту.Так что для простоты пересчета смело «считайте» 180 советских рублей как 180 тысяч современных российских. Это будет не катастрофически далеко от правды.
Итак я снимаю квартиру на улице Подбельского за 40 рублей в месяц.
function cnd(x)
-- taylor series coefficients
local a1, a2, a3, a4, a5 = 0.31938153, -0.356563782, 1.781477937,-1.821255978, 1.330274429
local l = math.abs(x)
local k = 1.0 / (1.0 + 0.2316419 * l)
local w = 1.0 - 1.0 / math.sqrt(2 * math.pi) * math.exp(-l * l / 2) * (a1 * k + a2 * k * k + a3 * (k^3) + a4 * (k^4) + a5 * (k^5))
if x < 0 then w = 1.0 - w end
return w
end
-- The Black-Scholes option valuation function
-- is_call: true for call, false for put
-- s: current price
-- x: strike price
-- t: time
-- r: interest rate
-- v: volatility
function black_scholes(is_call, s, x, t, r, v)
local d1 = (math.log(s / x) + (r + v * v / 2.0) * t) / (v * math.sqrt(t))
local d2 = d1 - v * math.sqrt(t)
if is_call then
return s * cnd(d1) - x * math.exp(-r * t) * cnd(d2)
else
return x * math.exp(-r * t) * cnd(-d2) - s * cnd(-d1)
end
end
Проверено вчера на путах сишки. Расчет совпал с табличными значениями «теор цена» на июньских, сентярьских, декабрьских досках опционов.