• Финансовые потрясения случаются примерно раз в 10 лет. Одну из лучших классификаций кризисов предложил основатель Bridgewater Рэй Далио в своей книге Big Debt Crisis. Инвестор говорит, что большинство кризисов носит долговой характер. Долг является важным топливом для развития экономики. При нормальном положении дел он должен расти меньше доходов. Долговой кризис наступает же в тот момент, когда более высокие в сравнении с доходами темпы роста долга приводят к проблемам с выплатами основного долга и процентов.

Ниже некоторые мысли по поводу хеджирования алгоритмического трендового портфеля. Даже не то чтоб хеджирования, скорее еще одна стратегия в дополнение. Денег на нее кстати у меня поставлено не меньше чем на алготрейдинг. Никаких чудес. Речь идет о портфеле акций.

Для начала немного теоретических размышлений. Как известно рынок имеет 3  состояния: рост, падение и боковик. Но не каждый рост одинаков. Если брать в контексте трендовых систем, то рост может быть как по типу «ударный день» (т.е. равномерный рост практически без откатов), так и по типу «гэп — боковик» (рынок открывается уже хорошим плюсом и далее идет болтание на уровне). Дневная свеча на графике в обоих случаях будет одинаковая, но заработок у роботов будет отличаться.
Упрощенно я разделил все движения на 6 подтипов: ракета, унылый рост, крах, унылое падение, боковик и боковик-убийца. Боковики тоже отличаются, простой — это спокойный канал без особых сигналов, боковик-убийца — это нечто аля расширяющийся треугольник.
Если как ведет себя портфель акций более-менее понятно (на крахе сильно минусует, на росте плюсует и т.п.), то с роботами все несколько сложнее.
На основании наблюдений за своим «зоопарком» я установил примерную реакцию портфеля на разные состояния рынка (бывают конечно исключения, но в целом плюс-минус так). Обозначил значками. Соответственно ударные движения типа «ракета» и «крах» приносят максимальный результат, стопов не выбивает вообще. Причем 2-3 таких движения легко могут отбить даже годовую просадку. «Унылый» рост или падение отрабатываются  хуже, стопы периодически вылетают, но за счет диверсификации часть движения все равно удается ухватить. Далее соответственно боковики приносят убытки, простой в меньшей степени из-за отсутствия большого количества сигналов и «убийца» — максимально убыточный (стопы улетают один за одним). Результаты для наглядности свел в табличку ниже. Видно в какие моменты в теории стратегии работают в синергии, когда перекрывают друг друга и когда нет.

Для акций получается самый болезненный момент — это фаза краха, но тут хедж  со стороны алгоритмов достаточно надежный. На моей памяти еще ни разу трендовые системы не давали меньше прибыли, чем просадка портфеля, а зачастую за счет плеча на срочке прибыль в разы выше.

Трендовая система исходит из продолжения текущего движения.

Контр-трендовая система исходит из прекращения текущего движения.  

В трендовой ТС тэйки длинные и плавающие, а управление риском осуществляется через стоп — потому что движение будет продолжаться. 

В контр-трендовой ТС тэйки короткие, а стопы запрещены — потому что движение скоро всё равно завершится.

Но тогда посредством чего происходит управление риском в контр-трендовой ТС? 

Вначале о грустном. Не понимая теорию нейросетей (НС) у вас вряд ли получится построить на ней ТС. Поэтому лучше для начала почитать теорию, например, Хайкин Саймон. «Нейронные сети. Полный курс». Книга уже достаточно старая и в ней нет новомодных веяний, но она дает базовые представления о НС.

И второе, мы будем далее для построения систем использовать пакет scikit-learn для Python. рекомендую ознакомиться. Есть и более продвинутые пакеты, скажем, TensorFlow и др., но их использовать мы не будем, и ограничимся более простым scikit-learn.
Теперь о том, чего здесь не будет. Здесь не будет теории НС, разве эпизодически и оч кратко. Здесь не будет описания пакетов Python, работы с графикой и пр. Обо всем этом вы можете прочесть в интернете, книгах, и документации Python.
В топике мы будем обсуждать только применение НС к ТС и их построению.
Так как тема достаточно велика, в один топик не влезет, сегодня мы займемся самыми общими вопросами. Следующая часть будет недели через две, раньше не получается.

На примере Coca-Cola показываю, как работает один из простых методов фундаментального анализа. Суть подхода, его возможности и ограничения, а также подробный алгоритм использования — обо всем этом я рассказал в статье. 

Дисклеймер: материал опубликован в ознакомительных целях и не является руководством к действию. Любые операции на финансовых рынках несут угрозу вашему кошельку. Никто, включая автора статьи, достоверно не знает, куда пойдут акции. Всегда учитывайте этот факт при принятии инвестиционных решений.

Оглавление

Шаг №1. Учим матчасть
Шаг №2. Разбираемся в сути Discount Dividend Model (DDM)
Шаг №3. Определяем текущие дивиденды Coca-Cola и вычисляем темп роста
Шаг №4. Прогнозируем темп роста и будущие дивиденды
Шаг №5. Определяем ставку дисконтирования
Шаг №6. Строим двухэтапную модель дисконтирования дивидендов
Шаг №7. Проводим анализ чувствительности
Шаг №8. Делаем выводы
Постскриптум