Избранное трейдера kotfagot
Каждый год я публиковал в Facebook и на Smart-lab статистику своих инвестиций на ИИС.
Основными критериями при формировании портфеля на ИИС были:
✅ Максимальная надежность, поэтому портфель был создан исключительно из ОФЗ с дюрацией, равной сроку ИИС для иммунизации портфеля облигаций.
✅ ИИС типа А, чтобы получать каждый год возврат НДФЛ в размере 13% от суммы средств, внесенных на счёт.
Таким образом, портфель был максимально консервативным и безрисковым. В этом году я могу закрыть ИИС, поскольку он просуществовал три года.
Каковы же результаты❓
✅ Прирост капитала за три года составил чуть более 21%❗️
✅ Реальная доходность (с учетом взносов на ИИС) 43% или 12,7% годовых❗️
➡️ Если сравнить результаты с депозитами, то результат лучше примерно на 20%.
➡️ Также результат превзошёл индекс государственных облигаций RGBITR, который почти догнал ИИС только в этом году, благодаря снижению ключевых ставок Банком России.
Так как насчет практического применения ML? Как вообще это выглядит?!
А выглядит это так, что 80% времени data scientist тратит на работу с данными, чтобы потом загнав их в модельку мобильно получить прогноз. Вообще, предполагалось что такой мощный инструмент как нейросети сможет работать с сырыми данными, то есть загонишь в нейросеть обычную котировку, а дальше могучие нейроны похимичат, сгенерируют кучу фичей и найдут нужную их комбинацию (на самом деле никаких фичей нейросети на создают, но можно представить). Ну вот например такое явление как большой ГЭП, важный показатель? Еще какой! В сырых данных он содержится, то есть можно помечтать что если мы создадим очень сложную нейросеть, то она сможет вытащить это значение самостоятельно. Что такое ГЭП нейросеть конечно не знает, но путем манипуляций с весами она найдет, что когда меняется циферка в дате то образовавшийся большой разрыв в цене имеет большое влияние для хорошей аппроксимации.
Мечты, мечты. Пока все что я видел в результате скармливания нейросети сырах данных-это слезы, боль и убожество. В общем мы пойдет другим путем. Мы не будет скармливать модели сырятину и мусор, мы постараемся кормить его качественно чтобы удои увеличивались и все такое.
Есть такое понятие как в ML как feature engenering. Наверно единственное более менее креативное что остается человеку в этом бездушном мире машинного обучения. А уж коли мы ведем речь о RF, то сам бог велел заняться этим, RF знаете ли не нейросети, там даже теоретически сырятина в данных не приветствуется. Вот этим мы и займемся.
Откуда же нам взять эти фичи и главное как? Тут каждому воля вольная. Например можно сдув пыль с WealthLab использовать старичка как генератора фичей. Кто не знает в него вшито около полусотни известных индексов и еще столько же, но с неизвестным кодом. А еще можно запрограммировать свои фичи. По своему «знанию и разумению», своих «знаний и разумений» я накопил много, но почти все они из разряда «все эти технические индикаторы не стоят ничего». Зато кое что из своего показали свою небезнадежность. В общем на первый случай я сгенерировал около 17 своих фичей, затем ранжировал их для каждой стоки, итого 34 фичи. Стоки брал из числа 20 самых ликвидных отечественных фишек с 2010 года по март 2018, что дало 50 тысяч дневных наблюдений. Прямо сказать не густо, но что есть. Тем более речь идет о демонстрации силушки RF.
Вот набор моих фичей:
Week 49303 non-null int64 GEP 49303 non-null float64 Min10 49303 non-null float64 Cl/High 49303 non-null float64 Cl/Low 49303 non-null float64 Cl/w_High 49303 non-null float64 Cl/w_Low 49303 non-null float64 wdif 49303 non-null float64 dif 49303 non-null float64 Vol20/Vol200 49303 non-null float64 tHigh% 49303 non-null float64 tLow% 49303 non-null float64 tHigh%-tLow% 49303 non-null float64 Cl/SMA21 49303 non-null float64 Cl/SMA5 49303 non-null float64 SMA5-SMA21 49303 non-null float64 Cl/(minSMA) 49303 non-null float64 Cl/(maxSMA) 49303 non-null float64 l_Min10 49303 non-null int64 s_Min10 49303 non-null int64 l_gep 49303 non-null int64 s_gep 49303 non-null int64 l_cl/high 49303 non-null int64 s_cl/high 49303 non-null int64 l_cl/low 49303 non-null int64 s_cl/low 49303 non-null int64 l_wdif 49303 non-null int64 s_wdif 49303 non-null int64 l_SMA5-SMA21 49303 non-null int64 S_SMA5-SMA21 49303 non-null int64 L_Cl/(maxSMA) 49303 non-null int64 S_Cl/(maxSMA) 49303 non-null int64 L-tHigh%-tLow% 49303 non-null int64 S_tHigh%-tLow% 49303 non-null int64
Доходность ОФЗ и депозитов обновляет минимум за несколько лет, что увеличивает интерес к инвестированию в акции. Наибольшую популярность среди начинающих инвесторов, как правило, имеют стратегии, связанные с поиском акций с наибольшей дивидендной доходностью. Мы разберем, какие ошибки можно совершить при формировании дивидендной стратегии и предложим свой вариант составления портфеля.
Высокая дивидендная доходность – лишь часть стратегии
Выбрать пару акций с наибольшей дивидендной доходностью – крайне рискованная стратегия инвестирования. Высокая дивидендная доходность означает, что рынок ожидает, что в дальнейшем дивиденды компании будут расти медленно или снижаться. При реализации негативного сценария акция может упасть в стоимости и принести большой убыток инвестору.
Чтобы защититься от негативного сценария инвестор должен придерживаться хорошей диверсификации и иметь в портфеле не менее 10-15 акций. Кроме того, в свою стратегию нужно включить мониторинг других показателей, которые укажут на возможные проблемы с последующей выплатой дивидендов.
Коллеги, всем добра!
К статье Ильи https://smart-lab.ru/blog/573630.php#comments. Голое мат. моделирование в опционных аналитиках, только скучная математика, без лишних эмоций. Нечто подобное я уже делал тут: https://smart-lab.ru/blog/546369.php, но можно и повторить, на текущих цифрах, раз уж опять всплывает этот вопрос
Берем в качестве модели некоего условного продавца краев с условным 1 млн. на счете опционов и моделируем продажу краев на мартовском квартальнике 2020 года с полной загрузгой ГО.
В качестве опционных аналитиков будут использованы параллельно две программы — Option Workshop (OW) и OptionFVV (OFW), дабы иметь возможность соблюсти некую подтверждаемость результатов разными методами. ГО определяем по данным OW, в этой программе оно показывается более достоверно и примерно равно реальным значениям при торговле.
Текущее значение б/а мартовского опциона 145, продаем на марте 110-е путы(25% от центра) и 170 колы (17,5% от центра). Профили получившихся конструкций:
Не подавай нищему милостыни, но дай ему удочку и научи удить рыбу
Давайте определимся с позицией. Я написал статью для тех, кто считает, что рождение и воспитание детей — это наш биологический долг. Кто не согласен — не тратьте свое время и закройте браузер.
Теперь следующий вопрос. А правильная ли вообще цель “сделать так, чтобы наши дети ни в чем не нуждались до конца жизни”?
Тут выскажу свое мнение. Сама формулировка цели скорее ложная. А вот намерения вполне себе неплохие. Давайте рассуждать с позиции выгоды и эгоистичных целей.