+1 колл = покупка 1 колла = бычья позиция
         -1 колл = продажа 1 колла = медвежья позиция
         +1 пут = покупка 1 пута = медвежья позиция
         -1 пут = продажа 1 пута = бычья позиция
         +1 БА = покупка 1 базового актива = бычья позиция
         -1 БА = продажа 1 базового актива = медвежья позиция

         +1 колл = одновременно +1 БА и +1 пут = покупается синтетический колл

         -1 колл = одновременно -1 БА и -1 пут = продаётся синтетический колл

         +1 пут = одновременно +1 колл и -1 БА =

Этой статьей мы продолжим улучшать результы автоматического поиска пар для торговли. Дополнительным фильтром будем использовать измерения, доступные после построения регрессии методом statsmodels.api.OLS(). Этот же фильтр будем применять к парам во время торговли.

Найденные пары проверим в Quantopian, а исходный код напишем на Python.

Небольшая статья с ресурса http://www.talaikis.com/ о построении простой стратегии, использующую наивный байесовский классификатор при создании процесса возврата к среднему. Весь код в статье приведен на языке Python.

Это достаточно большая область исследований, но расскажем все очень кратко. Мы попытаемся найти взаимоотношение между  временными сериями  (в данном случае возьмем в качестве сигнала взаимный фонд XLF из финансового сектора, сдвинутый по времени на 1 день назад), а нашей целью будет фьючерс S&P500 в форме CFD. Будем входить в длинную позицию по этой бумаге при нулевой вероятности приращения. Логически нулевая вероятность ни о чем не говорит, другими словами, будем покупать возврат к среднему.

1. Получение данных

Y = read_mongo(dbase, "S&P5001440")
X = read_mongo(dbase, syms[s]).shift()

#готовим набор данных
res = pd.concat([X.CLOSE, Y.CLOSE], axis=1, join_axes=[X.index]).pct_change().dropna()
res.columns = ['X', 'Y']