Еще одна статья с ресурса www.talaikis.com по разработке простой стратегии на модели Маркова с использованием Python.

Модель скрытых состояний Маркова — это производительная, вероятностная модель, в которой последовательность наблюдаемых переменных генерируется некоторыми неизвестными (скрытыми) состояниями. Мы попытаемся найти такие неизвестные вероятностные функции для, скажем, S&P500. Все опишем кратко, без проверок на ошибки, без тестов вне выборки и т.д. Мы делаем это для того, чтобы минимизировать склонность к ненужному усложнению для начинающих. (Подробнее о модели Маркова см. на моем сайте — www.quantalgos.ru)

Что будем использовать:

библиотеку Python - hmmlearn.

1. Данные. Возьмем данные по свечам (OHLC), включающие объем, из нашей базы 

( Читать дальше )

Итак, продаем 7-30ти дневные коллы на SPY на 30-дневном хае.
Не более одного в день, не более одного идентичного контракта одновременно.
Выбираем максимально вне денег, максимально короткий из подходящих по условиям.
Страйки на 4-12% выше рынка
Минимальная теоретическая годовая доходность на открытии — 18%
Тейкпрофит 20%



( Читать дальше )

Один из слайдов, ссылка на полную презу внизу
  
https://vk.com/doc620047_437418022 

Владимир Витальевич кстати управляющий директор хедж-фонда Quantum Parity при Финаме, вот что он сегодня написал по результатам работы в 1-м квартале

Немного о прекрасном. 
Наш маленький «хедж-фонд» Quantum Parity подвел таки итоги первого квартала 2016 года. Кратко ситуация выглядит так:
Активы растут, доходы тоже, а вот доходность, увы, падает.
Тому есть два объяснения: снижение средней волатильности по рынку, которое мы наблюдали в первом квартале против двух предыдущих и ограниченная капиталлоемкость наших арбитражных стратегий.
Если так дальше пойдет, придется оскоромиться направленными позициями и начать торговать фундаментал.
Либо ждать реального всплеска волатильности, от квадрата коей зависят наши доходности.

 

( Читать дальше )

Картинка для затравки, Out of Sample perfomance (то есть результаты получены на выборке на которой не производилось построение модели):


Сбербанк MOEX 15106 трейдов прибыль 140 руб на одну акцию, периодичность трейдов где-то 15 минут, equity где-то за год.
То же самое для Ri, 22237 трейдов прибыль 100000 пунктов на один контракт, или 5 пунктов на трейд, периодичность такая же 15 минут.

( Читать дальше )

 

Риск-менеджмент это слишком широкое понимание, чтобы пытаться раскрывать его в данной статье. Будет рассмотрена тема контроля риска с целью увеличение эффективности торгового алгоритма (т.е. уменьшении меры рыночного риска и увеличении доходности).

( Читать дальше )

Здравствуйте дорогие друзья!

Решил провести исследование на тему, как ведет себя теоретическая цена (точнее её распад) от удаления купленного (проданного) страйка от центрального. Для начинающих опционщиков будет полезно.
Всё ниже следующее повествование будет вестись с таким упором, что мы стредл (или стренгл) будем продавать, а не покупать.
Я теоретически представлял себе результат этого исследования, но хотелось чтобы было какоето математическое подтверждение этой теории.

Итак начнем, сначала возьмем квартальные опционы, купим опционы КОЛЛ страйка 90000 и допустим сейчас цена тоже 90000, и волатильность 30%.
В эксель файле вкладка «Эксперимент РТС», введем такие параметры:

 Построим графики теоретических цен разных страйков, по оси Х — сколько дней осталось до экспирации, по Y — сама теоретическая цена.

( Читать дальше )

Давно хотел выложить этот урок в открытый доступ. В нем я записал и показал, что именно видел в level 2 (стакане), когда заходил в трейд. 
  

• Как не терять деньги в First up day, подробный план
• Шорт пампа на gap and crap
• Анализ Level 2 (стакана) в pump and dump, с комментариями

FULL HD 1080p

Подробнее тут  

Продолжая  тему тестирования алгоритма Маркет Мэйкера, поделюсь своими результатами и мыслями по его работе:
1. Основной режим работы алгоритма — это маркетмэйкинг (он же арбитраж ликвидности, он же торговля спредом). И конечно же, прибыльность этой стратегии сильно зависит от рыночных условий, скорости получения данных и работы системы исполнения. Средняя прибыль на сделку даже и при идеальном исполнении не будет превышать значение спреда (2-5 пунктов по Si в среднем). А в период сильной волатильности, когда стакан бросает из стороны в сторону на 10-30 пунктов, несмотря на большое количество положительных сделок ( около 70%), алгоритм становится убыточным. В основном из-за комиссий, конечно.

2. Да, математические формулы сильно ограничили многих желание понять, как устроен алгоритм. Но на самом деле, если вдумчиво посмотреть картинки (карты политик), получается все ясно и просто. А будет еще проще, если посмотреть картинки графиков из других статей, лежащих в основе алгоритма (например Guilbaud, Fabien, and Huyen Pham, 2013, Optimal high-frequency trading with limit and market orders). Забудем на минутку про дисбаланс бид/акс объемов и построим карту политик для открытой позиции при разных значениях спреда:

( Читать дальше )

Насколько могут быть прибыльны портфельные инвестиции, если ими правильно управлять? О своем опыте рассказывает Frank Grossman в блоге Seeking Alpha.

Стратегия ротации глобальных рынков использует переключение между 6 разными биржевыми фондами ETF на месячных отрезках. Бэктестирование доходности такой стратегии c 2003 года впечатляет.

• Годовая доходность = 41,4% (для S&P500 = 8,4%)
• Общая доходность с 2003 года = 3740% (S&P500 = 134%)
• 69% месячных трейдов имели положительную доходность против 31% с отрицательной доходностью

В заглавии статьи приведен график доходности стратегии по сравнению с индексом S&P500.

Используются следующие рынки и инструменты:

• Американский рынок (MDY — S&P MidCap 400 SPDRs)
• Европа (IEV- iShares S&P Europe 350 Index Fund)
• Развивающиеся рынки (EEM — iShares MSCI Emerging Markets)
• Латинская Америка (ILF — iShares S&P Latin America)
• Тихоокеанский регион (EPP — iShares MSCI Pacific ex-Japan)

( Читать дальше )