Избранное трейдера ezomm
В статьях 15-18 мы разобрали основные спреды по волатильности. В которых стратегии строятся из опционов с одной датой исполнения.
То есть стоимость спреда по волатильности — это функция цены базового актива при экспирации.
Если спред состоит из опционов с разными датами экспирации, то его стоимость можно определить только после экспирации обоих опционов.
Стоимость такого спреда зависит не только от стоимости базового актива при экспирации краткосрочного опциона, но и от того где будет цена базового актива в дату экспирации долгосрочного опциона.
Временные спреды (календарные, горизонтальные) - состоят из опционов с одной ценой исполнения, но дата исполнения которых истекает в разные месяцы.
Отзыв согласия.
Я, ФИО, паспорт, согласно ФЗ 152 отзываю у АО «Почта Банк»
- Согласие на обработку персональных данных
После получения данного заявления прошу прекратить обработку моих персональных данных в срок до 30 дней.
Так же прошу
- Отключить мне дистанционное обслуживание, во избежание доступа к нему третьих лиц.
- Предоставить справку об отсутствии между мной и банком/брокером договорных отношений.
Ответ прошу направить по адресу ххх. Подпись, дата.
👉 Пока SP500 пытаются удержать от падения — хорошей время на покупку по акциям.
Новые #SPAC по слияниям:
💹 $RTPZ приближается к сделке по слиянию с Hippo, компанией по страхованию жилья, с оценкой более $ 5 млрд, по данным Bloomberg. О сделке может быть объявлено уже сегодня. 👆
$RTPZ — «компания, которая трансформирует отрасль страхования жилья» '21 proj. 87 млн долл. США / 38%
💹 $VMAC
ведущая платформа для потоковой передачи музыки на Ближнем Востоке и в Северной Африке. (сделка от 3/3) '21 проект. $ 48 млн. Изм. / 54%
Рассмотрим более детально из чего состоит Mail group.
Mail group в партнерстве со сбером владеют такими сервисами как Delivery.club, ситимобили, worki. Помимо этого mail владеет, 15% Aliexpress Russia, остальное на фото.
Часть 1 smart-lab.ru/blog/678068.php
Часть 2 smart-lab.ru/blog/678728.php
В предыдущих частях я описал общие параметры своей ТС, а также причины выбора именно такой ТС. Остается разобраться с выбором базового актива для эффективной работы ТС, выбором подходящих страйков и экспираций, размера позиции, точек входа и выхода (с прибылью или убытком). Обо всем этом я хочу достаточно подробно дописать, если будет ваш интерес хотя бы в том объеме, что у первых статей.
Как же выбрать подходящий базовый актив (БА)? Вообще говоря, тема относится не только к опционам, подходит в равной мере для трейдинга и инвестиций.
Базовый актив (БА) в течение срока до экспирации страйка может направленно вырасти, направленно снизиться или находиться в диапазоне. Моей задаче торговли с максимальным результатом и ограниченными потерями активы, которые имеют высокие шансы оказаться в боковике, не подходят. Поэтому если у меня есть значимые сомнения в ожидаемом направленном движении в период до экспирации, я закрываю график этого актива и перехожу к одному из 5000 оставшихся, пока не найду тот, который, по моим представлениям, в горизонте до экспирации ждет направленное в конкретную сторону движение заметной величины (если движение предполагается небольшое, я точно так же отбрасываю и такой БА).
Добрый день, друзья!
Мой пост об отчетах 10-K, 10-Q и 8-K американских эмитентов (https://smart-lab.ru/blog/677043.php) вызвал достаточно большой отклик среди Смарт-Лабовцев (68 ⭐️ + 326 ❤️). Поэтому выполняю своё обещание и рассказываю о методике анализа отчетов 8-К, которая в прошлом году принесла мне 50% годовых в долларах США (https://smart-lab.ru/blog/668157.php).
Внимание: лонгрид. Если у Вас в данный момент нет возможности на 15 минут сосредоточиться на изучении достаточно сложной информации – лучше добавить пост в избранное и вернуться к его прочтению позже.
В прошлый раз мы пришли к выводу о том, что отчеты 10-K содержат только прошлые данные, в силу чего информация, отражённая в них, уже заложена в текущие котировки акций. А с учётом того, что изучение формы 10-K является достаточно трудоёмким процессом, то для частного инвестора эта форма теряет всякий смысл.
# В КВИКе запускаем луа-скрипт QuikLuaPython.lua import socket import threading from datetime import datetime, timezone import pandas as pd import finplot as fplt fplt.display_timezone = timezone.utc class DeltaBar(): def __init__(self): self.df = pd.DataFrame(columns='date_time open high low close delta delta_time_sec'.split(' ')) self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0] def parser(self, parse): if parse[0] == '1' and parse[1] == 'RIH1': if abs(self.df.iloc[len(self.df) - 1]['delta']) >= 500: self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0] # Добавляем строку в DF self.df.iloc[len(self.df) - 1]['close'] = float(parse[4]) # Записываем последнюю цену как цену close бара if self.df.iloc[len(self.df) - 1]['date_time'] == 0: self.df.iloc[len(self.df) - 1]['date_time'] = \ datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f").replace(microsecond=0) if self.df.iloc[len(self.df) - 1]['open'] == 0: self.df.iloc[len(self.df) - 1]['open'] = float(parse[4]) if float(parse[4]) > self.df.iloc[len(self.df) - 1]['high']: self.df.iloc[len(self.df) - 1]['high'] = float(parse[4]) if (float(parse[4]) < self.df.iloc[len(self.df) - 1]['low']) or \ (self.df.iloc[len(self.df) - 1]['low'] == 0): self.df.iloc[len(self.df) - 1]['low'] = float(parse[4]) if parse[5] == '1026': self.df.iloc[len(self.df) - 1]['delta'] += float(parse[6]) if parse[5] == '1025': self.df.iloc[len(self.df) - 1]['delta'] -= float(parse[6]) self.df.iloc[len(self.df) - 1]['delta_time_sec'] = \ datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f") - \ self.df.iloc[len(self.df) - 1]['date_time'] self.df.iloc[len(self.df) - 1]['delta_time_sec'] = self.df.iloc[len(self.df) - 1]['delta_time_sec'].seconds def service(): sock = socket.socket(socket.AF_INET, socket.SOCK_DGRAM) sock.bind(('127.0.0.1', 3587)) # Хост-этот компьютер, порт - 3587 while True: res = sock.recv(2048).decode('utf-8') if res == '<qstp>\n': # строка приходит от клиента при остановке луа-скрипта в КВИКе break else: delta_bar.parser(res.split(' ')) # Здесь вызываете свой парсер. Для примера функция: parser (parse) sock.close() def update(): df = delta_bar.df # Меняем индекс и делаем его типом datetime df = df.set_index(pd.to_datetime(df['date_time'], format='%Y-%m-%d %H:%M:%S')) # print(delta_bar.df) # pick columns for our three data sources: candlesticks and TD candlesticks = df['open close high low'.split()] volumes = df['open close delta_time_sec'.split()] if not plots: # first time we create the plots global ax plots.append(fplt.candlestick_ochl(candlesticks)) plots.append(fplt.volume_ocv(volumes, ax=ax.overlay())) else: # every time after we just update the data sources on each plot plots[0].update_data(candlesticks) plots[1].update_data(volumes) if __name__ == '__main__': delta_bar = DeltaBar() # Запускаем сервер в своем потоке t = threading.Thread(name='service', target=service) t.start() plots = [] ax = fplt.create_plot('RIH1', init_zoom_periods=100, maximize=False) update() fplt.timer_callback(update, 2.0) # update (using synchronous rest call) every N seconds fplt.show()