Избранное трейдера kaainfo
Добрый день!
Налоговая инспекция утвердила новую форму налоговой декларации 3-НДФЛ за 2018 год. Основание: приказ ФНС России от 03.10.2018 г. № ММВ-7-11/569@. Сам приказ пока не вступил в силу (начало действия документа – 1 января 2019 года). Скачать новую форму декларации можно будет позже.
Почему я обращаю внимание на этот документ? По завершении текущего 2018 года многие из вас будут обязаны отчитаться по полученным доходам, а кто-то будет претендовать на налоговый вычет. Давайте перечислим все возможные случаи, когда подается декларация 3-НДФЛ:
– получение дохода, из которого не был удержан налог налоговым агентом;
– получение дохода из-за рубежа;
– получение дохода от продажи имущества, находящегося в собственности менее трех лет;
– получение выигрыша;
– получение в подарок имущества не от близких родственников;
– необходимость получения налогового вычета в связи с расходами на приобретение или строительство жилья;
– необходимость получения налогового вычета в связи с расходами на лечение;
Коллеги, всем добра! Напоминаю, нами проводился мини-конкурс «Мозговой штурм», ссылка на исходник: https://smart-lab.ru/blog/499050.php. Целью конкурса было показать, каким же заковыристым может стать профиль опционных позиций в результате управления в течение торгового периода. Ну и доказать, что трейдер, разбирающийся в опционной торговле, в состоянии решить обратную задачу и восстановить начальный профиль позиции при практически минимальных исходных данных, просто просчитывая логику действий. Напоминаю, что победителем конкурса стал камрад Олег Ложкин, который и добавил в свою смартлабовскую копилку честно заработанные 520 ТМ. Ну, и как обещал – выкладываю всю раскладку по трансформации изначального профиля в конкурсный и его дальнейшее управление с выходом на месячную экспирацию, с традиционной выкладкой скринов окошек используемого ПО для лучшей визуализации. Для торговли, моделирования и визуализации использовался классический Квик в связке с лицензионной программой Option Workshop. Если что-то непонятно по скринам и работе программы – спрашивайте, единственное примечание для ориентирования – красный шарик на профиле в Воркшопе это текущее значение БА.
Есть ли смысл покупать торговых роботов? — Нет.
На этом, в принципе, можно было бы и закончить пост. Но расшифрую.
Для обоснования буду использовать модель воронки, сознательно не буду использовать никаких цифр, если интересно — сами подставьте. Просто не люблю писать проценты и вероятности от балды, лучше ничего не писать, чем такое.
Итак, погнали. На рынке имеется некоторое кол-во торговых роботов, которых можно приобрести, а теперь давайте прикинем, велики ли шансы заработать на этом мероприятии (на покупке, не на продаже :))) ). Далее идут этапы/слои/фильтры, отсеивающие роботов, которые не позволили бы вам заработать:
— Часть предложений — мошеннические (тут как везде, где есть хоть какие-то деньги — есть мошенники — возможно, при покупке вам даже ничего не пришлют).
— После отсеивания мошенников, часть товарищей продают заведомо неприбильных роботов (ими движет мотивации типа: а. он когда-то работал, мне трудно смириться с тем, что он больше не работаю, выжму из него ещё немного, продавая его; б. я протестировал на 150 инструментах, на 27 таймфреймах, на 5-ти комбинациях таймфрейм-инструмент робото зарабатывал — а-чё, не плюсовой, скажете? в. главное, красиво обставить продажу и чтоб купили, дальше хоть трава не расти, пох, что он минусовой).
Не подумайте плохого в части нормальности, речь пойдет не о психиатрии, а об известном в теории вероятностей нормальном распределении
А точнее даже не о нем самом, а об известной центральной предельной теореме (ЦПТ) применительно к ценам. Что такое центральная предельная теорема в ее классическом виде?
Пусть нам дана некоторая сумма большого числа случайных величин Х=х1+…+хN где каждое слагаемое имеет конечную и ненулевую дисперсию (как мы увидим далее в приложении к ценам это условие выполняется). Человечество давно еще с 18 века (Муавр и Лаплас) заинтересовал вопрос распределения случайной величины Х или хотя бы его более-менее точного приближения.
Не будем слишком строги в определениях всяких сходимостей и их скоростей, а сформулируем классическую ЦПТ в виде интуитивно понятного, но нестрогого термина «близости». Так вот, если xi – независимы (кто хочет может посмотреть строгое определение независимости, а для менее пытливых скажу только, что корреляция двух независимых случайных величин с конечными дисперсиями – нуль, хотя и обратное не верно), то распределение Х при достаточно больших N практически не отличается от нормального распределения со средним А и дисперсией D, где А – сумма средних x