Избранное трейдера java
Добрый день опционщикам! и всем читателям.
Наверное многие слышали про торговлю волатильностью на опционах: покупаем стреддл на центральном страйке и давай ровнять дельту тем самым зарабатывая на рехедже и повышая свой профит) По теории всё прекрасно, но по факту получаем распад тетты, падение волы нелинейность изменения дельты, ну и тому подобные негативные моменты, но сейчас не об этом.
Всё время было интересно почему ровнять нужно обязательно стреддл?, а не стренгл с купленными колами и путами ч/3, допустим 10 000п. Решил сделать некий разбор полётов.
Интуитивно кажется что стренгл (любой даже на 2 500п) дешевле чем стреддл, т.к. в стреддле покупаем самые дорогие опционы, на как ведёт себя конструкция при отклонении цены? какие убытки максимальны по конструкции?
По этому было решено сделать простенький расчётик в экселе, а не на пальцах как это бывает обычно, в этот раз нужно оставить какой то след и на всегда покончить с недоопределённостью.
Для упрощения расчётов будем рассматривать только односторонее движение цены на n пунктов, шаг рехеджа примем 700п, он будет постоянным. Цену опционов посчитаем по базе скачанной с биржи РТС, вот от сюда ftp.moex.com/pub/FORTS/volat_coeff/ Исходя из шага 700п будем набирать наши позиции таким образом что бы на начальном этапе (при создании конструкции) дельта действительно менялась ч/з 700п, для этого гамма позиции должна быть равна 1/700*100=0,1428 — значение гаммы при изменении цены на 100п. Тут надеюсь понятно что на самом деле в стреддле гамма будет постоянно уменьшаться при отклонении цены от центрального страйка и тем дальше тем больше, в стренглах же наоборот: при отклонении цены от центра и приближении её к одному из страйков купленных опционов гамма будет расти. Так же гамма будет меняться с течением времени и т.п. но это всё оставим. (и уж тем более я не обращаю вниманию на ГО который если очень грубо прикинуть будет равен половине стоимости конструкции).
Основные этапы создания автоматических торговых систем сформулировал Michael Halls-Moore на своем сайте www.quantstart.com. Я присоединяюсь к его советам и рекомендациям — по текстам на сайте видно, что автор действительно занимается практической работой по алготрейдингу.
Автоматическая торговля это чрезвычайно сложная область биржевых финансов. Значительное время может занять получение необходимых знаний для создания вашей собственной стратегии. Также потребуется неплохие навыки в программировании, как минимум на таких языках, как MATLAB, R или Python. В связи с постоянным ростом частоты сделок технологические аспекты торговли тоже становятся очень важны. Это требует изучения языков программирования C/C++.
Автоматическая торговая система состоит из следующих основных компонентов:
Заголовок – это о нашем 17-м месте в рейтинге ММВБ за июль
moex.com/ru/derivatives/members-rating.aspx?rid=1&month=7&year=2015
А Вы о чем подумали? Правда, в отличие от классических брокеров, мы с этих оборотов ничего не имеем, только с объема средств под управлением и прибыли. Но все равно «пустячок, а приятно». Но неожиданный. После того, как в марте мы перевели все обороты на FORTSe с брокеров на себя, мы прогнозировали, что с 32-34-го места скакнем на 20-22-е, но между 20 и 19-м местами казалось, что существует непреодолимый для нас разрыв в 50% прироста оборотов. Как оказалось, «нет ничего невозможного», можно и на 80% нарастить обороты, особенно, если счет просаживается из-за «чужого рынка».
Вот об этом «чужом рынке» мы и поговорим. Именно он зачастую становится причиной разочарования в алгоритмической торговле. Причем не только новичков, но и таких корифеев, как mehanizator. А почему? А все дело в анализе торговых алгоритмов. Самые распространенные ошибки в анализе – это
— исключительно анализ сделок алгоритма, а не эквити;
— использование только двух характеристик – доходность и максимальная просадка.
Почему это ошибки? В первом случае мы выбрасываем из анализа все такты работы алгоритма, на которых он не менял позицию и, соответственно, не знаем насколько наш алгоритм был прав в этих решениях. Во втором случае мы совершенно упускаем из вида сам рынок, на котором торгуем. Ведь кроме «наш» и «не наш» рынок, на рынке есть и еще и случайное блуждание с нулевым средним, на котором средний доход нуль, но вероятность выиграть или проиграть больше некоторой величины больше, чем получить этот самый нуль (по научному это называется «закон арксинуса»). И естественно, что при переборе параметров по доходности и максимальной просадке мы отберем такие параметры, при которых на участках случайного блуждания чаще оказывались в совершенно случайном плюсе (именно таки и «строятся» «прибыльные» системы на генераторе случайных чисел, которые периодически появляются в сообщениях трейдеров). Но этот плюс — это переподгонка и повод для больших разочарований в будущем. Что делать? Ответ прост — не совершать данных ошибок. Как? А брать больше характеристик эквити и анализировать их постоянно. Кстати, на серьезных западных сайтах так и поступают с эквити трейдеров, предлагающих подписаться на сигналы.
Вот характеристики эквити нашего портфеля «Суперриск», которые мы отслеживаем в ежедневном режиме
Своим опытом в построении высокопроизводительных торговых систем с использованием генетического программирования делится Dr Jonathan Kinlay в своем блоге.
Увеличение времени, стоимости и риска разработки стратегий заставило трейдинговые компании исследовать возможности итенсификации процессов разработки. Одним из таких подходов является генетическое программирование.
Генетическое программирование (ГП) это эволюционная методология разработки, которая может быть использована для идентификации паттернов или зависимостей в структурах данных. ГП это набор инструкций ( обычно простые операторы, сложение и вычитание) для исходных данных и функция соответствия для определения, насколько хорошо система способна комбинировать функции и данные для достижения определенной цели.