Торговые Стратегии Ценового Действия

Давайте теперь немного отойдем от теории и рассмотрим некоторые торговые стратегии, основанные на ценовом действии. Я использую все эти стратегии в качестве подтверждения своих основных стратегий. Мои основные стратегии основаны на профиле объема и институциональной торговой логике, о которых я упоминал ранее. Мы перейдем к этим стратегиям позже в разделе «Профиль объема». Теперь я покажу вам стратегии, основанные исключительно на ценовом действии.

Чтобы мне было совершенно ясно – я использую эти стратегии ценового действия в качестве подтверждения для своих основных стратегий. Например, когда моя основная (основанная на объеме) стратегия показывает мне торговый уровень, и я не совсем уверен в этом, я пытаюсь найти какую-то другую стратегию ценовых действий, которая подтвердила бы мою первоначальную торговую идею. Чем больше подтверждений я найду, тем лучше.

Тем не менее, если вам действительно нравится любая из этих стратегий ценового действия, вы можете торговать ими как самостоятельными стратегиями. Давайте теперь посмотрим на них один за другим:

( Читать дальше )

Команда DTI подготовила краткое изложение книги Ральфа Винса “Математика управления капиталом” с нашими комментариями. Раз в неделю будем публиковать отдельные обзоры каждой главы.

Сегодня разбираем первую главу “Эмпирические методы”. В ней даются базовые понятия, такие как HPR, TWR, оптимальная доля портфеля, процесс независимых/зависимых испытаний, серийные тесты, доверительная граница/интервал. Подчеркивается важность оптимальной доли счета для торговли = оптимальное “f”. Сделан акцент на соотношении риска и задействованного в торговле объема капитала.

Определения

HPR (holding period returns) — доход за период удержания позиции. Например HPR = 1,10 означает, что сделка за данный период принесла прибыль в 10%.

( Читать дальше )

Этот пост для себя скорее, чтобы навести порядок в голове. Как всегда буду рад комментариям.

Стартовая точка, аксиома: деньги--это ресурс (Вроде, очевидно, но в социализме это как правило не так. Отсюда куча проблем с отношением к деньгам и вообще проблемы с деньгами в социалистических укладах). Значит, использование денег стоит денег. Чем больше денег используется--тем больше плата. Значит, плата за использование денег--это процент от используемой суммы. Если мы даем кому-то пользоваться нашими деньгами в размере S, то платой за это должна быть сумма Perc*S, где Perc--процент. Очевидно, чем больше время использования, тем больше должен быть процент, то есть Perc=Perc(t). В итоге имеем, что через t лет нам вернут сумму S1=S*(1+Perc(t)). Но можно подойти к этой формуле и по другому. Сколько стоит будущая выплата в размере S1? Ответ, она стоит величину

S=S1/(1+Perc(t))  (1)

Формула (1) позволяет оценивать нынешнюю стоимость будущих выплат. То есть отвечать на вопросы, сколько сейчас стоит будущая выплата. Это соотношение еще называется формулой дисконтированного денежного потока. Вот это база, фундамент современной финансовой жизни. По этой базе живет человечество, и неплохо живет :) Ну а мы, скромные труженники фенансовых рынков, можем рассчитать любой будущий платеж, хоть депозит, хоть облигацию, хоть контангу фьюча какого-нибудь.

( Читать дальше )

Оригинал: http://zmey.club/research/13-o-sezonnyh-ciklah.html

А существуют ли вообще сезонные циклы и, если да, то на каких рынках они проявляются наилучшим образом? Какова причина сезонности и насколько она значительна, чтобы использовать её в реальной торговле? Как правильно рассчитать сезонную компоненту и стоит ли проверять полученный результат на статистическую достоверность? Рассмотрим задачу на примере нефти LIGHT.

Циклическая компонента, центрированная относительно нуля и с учётом правки на дрейф равна:

где j — индекс месяца, [k] — индекс года,
n — количество полных лет исследования,
E — средняя котировка за время исследования,
P — разница между первой и последней ценой.

Формально, результат не имеет статистической значимости, ведь по критерию Фишера для приращений логарифма цены имеем F=1,58 (при потребных F>5), но это лишь обман зрения. Во-первых, сезонность на рынке изначально не самый критический фактор, во-вторых, задача в такой постановке в принципе некорректна, поскольку соседние приращения цены в плане волатильности взаимозависимы. Если так, то обоснование цикличности и её критерии нужно искать в совершенно иной плоскости.

Построим несколько графиков CR, используя метод кубических сплайнов (рисунки 1,2). Посмотрите как различаются результаты по нефти и индексу доллара — в одном случае основной компонентой является шум, в другом присутствует ярко выраженная цикличность, которая сохраняется даже после вычитания слагаемых за 2008-ой и 2014-ый годы. Единственный тест, который нефть не проходит, это сравнение данных за два разных периода, но это обосновано изменением в структуре её потребления.

( Читать дальше )

Элвис на конференции показал красивые слайды, а Тимофей сделал такие же графики на смартлабе. Видел что Тимофея просили в комментариях объяснить как пользоваться этими его
красивыми графиками с кружочками. Не уверен что он объяснит, поэтому написал этот пост.

Формула EBITDA

Чистая прибыль
+ Расходы по налогу на прибыль
– Возмещённый налог на прибыль
(+ Чрезвычайные расходы)
(– Чрезвычайные доходы)
+ Проценты уплаченные
– Проценты полученные
= EBIT
+ Амортизационные отчисления по материальным и нематериальным активам
– Переоценка активов
= EBITDA

История создания.

Чтобы понять экономический смысл коэффициента EV/EBITDA нужно вернуться в 80-е годы прошлого столетия. Именно тогда появился на Уолл-стрит суперкрутой мужик Генри Кравиц.
Он фактически создал Leveraged Buyouts (LBO) — выкуп с помощью заемного капитала. Это метод, когда вы покупаете целую компанию с помощью займов или кредитов. Обычно это
делалось так, он находил компанию без долгов или с маленьким долгом но при этом с большим денежным потоком. При этом менеджмент плохо распоряжался этим денежным потоком
(примеров у нас полно — Газпром). Собирал пул кредиторов, готовых финансировать сделку. Объявлял выкуп по ценам выше рыночных. А после выкупа замещал большую часть акционерного
капитала долгом и направлял денежный поток на выплаты процентов и самого долга.

( Читать дальше )

Скальперские автоматические системы по праву считаются вершиной алгоритмического трейдинга, но при этом они же являются и самыми сложными для написания кода.

В этой статье мы покажем, как с помощью встроенных средств отладки и визуального тестирования строить стратегии, основанные на анализе поступающих тиков. Для выработки правил входа и выхода зачастую требуются годы ручной торговли. Но с помощью MetaTrader 5 вы можете быстро проверить любую подобную стратегию на реальной истории.

( Читать дальше )

Многие трейдеры при торговле раночно-нейтральными стратегиями задаются вопросом, а как совершать сделки покупки продажи спреда, на основании чего принимать решение о входе и выходе в позицию.

Сегодня мы рассмотрим вариант входа в сделку основываясь на регрессии акций.



Если откинуть все умные фразы и дать определение регрессии на простом языке, то получается следующее:

Регрессия — это зависимость переменной 1 (в нашем случае акции Газпрома) от независимой переменной 2 (акции ЛУКОЙЛа). Данное выражение будет иметь статическую значимость.

Формула регрессии:  

Yt=A+BX(t)+E(t)

Давайте с вами рассчитаем регрессию для акций Газпрома и Лукойла.

Алгоритм построения:
1. Скачиваем исторические дневные данные с финама.  www.finam.ru/profile/moex-akcii/gazprom/export/

2. Вставляем все скаченные данные в эксель



( Читать дальше )

Вчера на СмартЛабе  был размещен пост Как построить корреляционную матрицу (для парной торговли) в Excel, собравший аж 150 "+".
Решил тоже попрактиковаться и написать под эту задачу код в R. Важным преимуществом R является наличие пакета rusquant, который позволяет автоматически получать котировки с Финам в любом таймфрейме (в т.ч. в тиках), что существенно экономит время по сравнению с ручной обработкой в Excel.

Код на R приведен ниже:

• Файл c кодом можно скачать тут.
• Файл с названиями тикеров: для примера 1 тут, для примера 2 тут. Эти файлы используется для ввода тикеров в программу, т.к. прописывать тикеры вручную непосредственно в коде при их большом количестве не удобно. 
• Время загрузки данных с Финам по 79 тикерам составило 84 секунды, т.е. примерно по 1 сек. на тикер. А сколько бы ушло на ручную загрузку для Excel сложно представать.

 

Результаты:

( Читать дальше )

 

9.) Посчитаем коэффициенты Шарпа и Сортино. Эти коэффициенты оценивают риски, связанные с волатильностью доходности системы, и соотносят рисковую доходность системы с безрисковой доходностью (например, по облигациям или по банковскому вкладу). Таким образом, коэффициенты Шарпа и Сортино позволяют оценить финансовую целесообразность системы. Ключевое различие между коэффициентами в том, что коэффициент Шарпа не делает различий между колебаниями доходности вверх и колебаниями доходности вниз, то есть резкое увеличение прибыли он оценивает так же негативно, как и резкое увеличение убытков (что может негативно сказаться на оценке классических трендовых систем, рассчитанных на ловлю больших движений и демонстрирующих крайне низкий процент прибыльных сделок). А коэффициент Сортино считает рисковой только ту доходность, которая отличается от безрискойвой доходности по ставке в худшую сторону.

( Читать дальше )

Поскольку предыдущую часть мы завершили на том, как задавать условия и цену для открытия/закрытия позиций, то в начале этой части рассмотрим две распространённые ошибки, допускаемые при тестировании систем: открытие позиции внутри гэпа и заглядывание в будущее.

( Читать дальше )