Избранное трейдера Константин Анохин
Привет, сегодня вместо традиционного бэктеста разберем площадки, где можно подсмотреть идеи для торговых стратегий. Навеяно постом Eugene Logunov о литературе для алго-трейдера https://smart-lab.ru/blog/627444.php Теперь у нас есть методики, но где взять идеи? :)
Наши предыдущие бэктесты хоть и адаптированы под Россию и имеют отличия в реализации – все равно основываются на ранее выявленных закономерностях в США/Европе. Сразу скажу, что речь пойдет об исследованиях в открытом доступе. Если на работе/в университете есть доступ к EBSCO или Science Direct, то вы и сами знаете, где все посмотреть.
Зачем вообще читать академические ресерчи, если фонд LTCM показал, что кол-во цитирований и премий спорно соотносится с успехом на рынке?
Хорошие ресерчи дают базовые идеи о том, что и почему работало в прошлом, на каких стадиях и почему перестало. Да, в них есть реализация или дизайн исполнения, но обычно он сырой и его всегда можно поменять, сохранив базовую идею. В отличие от дискуссий в рунете, очень сложно опубликовать что-то без пруфов, а проверка устойчивости не ограничивается t-статистикой > 3. Сам текст хорошо структурирован, методика либо объясняется полностью, либо ссылается на такой текст. Авторы в основном исследователи, которые выполняя свою работу попутно дают подсказки практикам. Но встречаются и практики, например, аналитики хедж фонда AQR сейчас главные поставщики контента по факторным стратегиям или ученые Dimson и Ibbotson, которые параллельно пишут исследования для инвестиционных банков. Если желание почитать что-то заумное осталось, то сформулируйте идею/биржевую аномалию, которую хотите проверить (например, покупка акций с наибольшими дивидендами) и возвращайтесь к этому тексту.
Начинающие (да и не только) инвесторы часто задаются вопросом о том, как отобрать для себя идеальное соотношение активов входящих в портфель. Часто (или не очень, но знаю про двух точно) у некоторых брокеров эту функцию выполняет торговый робот. Но заложенные в них алгоритмы не раскрываются.
В этом посте будет рассмотрено то, как оптимизировать портфель при помощи Python и симуляции Монте Карло. Под оптимизацией портфеля понимается такое соотношение весов, которое будет удовлетворять одному из условий:
Для расчета возьмем девять акций, которые рекомендовал торговый робот одного из брокеров на начало января 2020 года и так же он устанавливал по ним оптимальные веса в портфеле: 'ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM' и 'PKI'. Для анализа будет взяты данные по акциям за последние три года.
#Загружаем библиотеки import pandas as pd import yfinance as yf import numpy as np import matplotlib.pyplot as plt # Получаем данные по акциям ticker = ['ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM', 'PKI'] stock = yf.download(ticker,'2017-01-01', '2019-01-31')
После всех вычислений, приведенных в этой и этой публикациях, можно углубиться в статистический анализ и рассмотреть метод наименьших квадратов. Для этой цели используется библиотека statsmodels, которая позволяет пользователям исследовать данные, оценивать статистические модели и выполнять статистические тесты. За основу были взяты эта статья и эта статья. Само описание используемой функции на английском доступно по следующей ссылке.
Сначала немного теории:
О линейной регрессии
Линейная регрессия используется в качестве прогнозирующей модели, когда предполагается линейная зависимость между зависимой переменной (переменная, которую мы пытаемся предсказать) и независимой переменной (переменная и/или переменные, используемые для предсказания).
Все не удается мне закончить топик. Сами понимаете, что на рынке творится
Посмотрим, что у нас происходит. Вола плавно, но верно растет. Если мы сравним наши 2 недельные опционы с однодневками, то однодневки 4.8%*16 по 76 воле торгуются. А мы имеем 50 волу в позиции. Так что нас спокойно могут еще на 20 пунктов прокатить.
Всю эту неделю мы двигались за ценой. Распродали 30, 29, 28 страйки. Зафиксировали 228 долларов и сдвинулись на 25-27. Сложнее всего было контролировать доллар гамму. Вроде в процессе торгов все в норме, но изменение времени на день, добавляет гаммы. Мы опустились до -1207 долларов. Теперь нам надо переходить в следующую серию.
Принцип перехода прост. Мы закрываем ближнюю, открываем дальнюю. Так, что бы середина у нас была на 30 днях. Но тут есть одна загвоздка. Нам надо откупать по более низкой волатильности чем продавать (открывать новые позиции) в следующей серии. Если мы посмотрим на улыбки волатильности, то ближняя серия висит выше дальней. У нас не получится закрыть 25 страйк по 56 воле, а открыть по 46. Это убытки. А вот закрыть 27 по 41 воле, а открыть 25 по 46, куда не шло. Торопится тут не надо. Мы можем спокойно закрыть, а потом отрывать. Может еще вола на дальней серии подрастет.
Приветствую!))
Появилось немного времени….решил поднять свои прошлые и текущие наработки. Подгрузил в ТС лаб и глянул что как по факту отработало на текущем рынке.
Одна из не новых идей работы на прорыв волатильности. Сейчас использую ее для управления позицией в опционных конструкциях. Так же она стоит в портфеле алгоритмов
Ниже моя динамика работы опционами + данный алгоритм управление позицией (не путать с дельта хеджированием)
http://ranking.moex.com/strategy/opcionnaya-strategiya
Конечная просадка связана чист с технической невозможностью закрытия позиции из за повышения ГО биржи. И она восстановлена за 2,5 мес, но Мосбиржа перестала вести трансляцию данного счета (видимо из за большой волатильности счета). Что бы не повторять моих ошибок советую ГО открывать не более 50%.