Небольшая статья с ресурса http://www.talaikis.com/ о построении простой стратегии, использующую наивный байесовский классификатор при создании процесса возврата к среднему. Весь код в статье приведен на языке Python.

Это достаточно большая область исследований, но расскажем все очень кратко. Мы попытаемся найти взаимоотношение между  временными сериями  (в данном случае возьмем в качестве сигнала взаимный фонд XLF из финансового сектора, сдвинутый по времени на 1 день назад), а нашей целью будет фьючерс S&P500 в форме CFD. Будем входить в длинную позицию по этой бумаге при нулевой вероятности приращения. Логически нулевая вероятность ни о чем не говорит, другими словами, будем покупать возврат к среднему.

1. Получение данных

Y = read_mongo(dbase, "S&P5001440")
X = read_mongo(dbase, syms[s]).shift()

#готовим набор данных
res = pd.concat([X.CLOSE, Y.CLOSE], axis=1, join_axes=[X.index]).pct_change().dropna()
res.columns = ['X', 'Y']

( Читать дальше )

Продолжаем рассуждения о долгосрочном инвестировании, которые являются плавным продолжением эпопеи про поездку Александра к дедушке Баффету

Для начала, повторю основные тезисы моего предыдущего поста

1. При инвестиции в акции имеет смысл сделать выбор между компаниями, которые концентрируются на каком то продукте или сегменте рынка (кока кола, тесла, макдональдс), и компаниями, которые просто занимаются asset allocation, и особо не ограничивают себя типом активов.
2. Приняв за данность возможность выбора между двумя альтернативами, я утвеждаю, что в наше непростое время инвестиции в Asset Allocators являются более привлекательными, чем в компании “одного продукта”
3. Типичным примером компании – Asset Allocator-а является контора Баффета, Berkshire Hathaway. Сразу скажу, что таких компаний на рынке публично торгующихся акций вообще то много. Просто у Баффета самый лучший пиар. 

( Читать дальше )

Среднесрочно рассматриваю существующее движение как даунтренд, но точки продажи для меня все выше 1300.

Лонг возможен ТОЛЬКО ниже 1200.

«За нами следят» -наилюбезнейший пользователь kbrobot.ru  взял мои прогнозы на карандаш, а посему, добавим  в них время-до конца мая.

Правда это не касается долгосрочного прогноза  у которого годовой горизонт. Тутвсе просто -держим лонг, пока Йеллен не начнет опускать ставки.

На картинке, как альтернативу-оставлю свой нарисованный канал роста))). Но добавлю линию даунтренда по двум последним вершинам

Что же можно сделать этим пасмурным утром? Ровным счетом ничего не вижу пока-идей ноль, да и краткосрок портит нервы.
Пойду биткоин погоняю))).

( Читать дальше )

В последнее время изучаю R и машинное обучение. 

Мои статьи про R, машинное обучение, количественный анализ

В этом посте я расскажу о том, как применить машинное обучение для поиска закономерностей и прогнозирования.

Использовал эту статью: Применение машинного обучения в трейдинге

Начнем с проверки того, работают ли тренды и как влияет день недели на направление движения цены. И если работают, насколько они смещают вероятность в нашу сторону. Применим для этого наивный байесовский классификатор. 

Теорема Байеса в теории вероятностей, как теорема Пифагора в геометрии.

Байесовская вероятность — это интерпретация понятия вероятности, используемая в байесовской теории. Вероятность определяется как степень уверенности в истинности суждения. Для определения степени уверенности в истинности суждения при получении новой информации в байесовской теории используется теорема Байеса. 

( Читать дальше )

Думаю многим интересна тема учета и отличия РСБУ от МСФО, поэтому предлагаю тем кто давно хотел но не знал с чего начать как вариант начать с книги от Прайсов  Сравнение Международных стандартов финансовой отчетности с Российскими правилами бухгалтерского учета
http://www.pwc.ru/en/ifrs/publications/assets/rar-ver..
(особенно тема близка тем кому интересен фундаментальный анализ, думаю в будущем РСБУ и МСФО мах. сблизятся, во всякому случае законы обязывающие вести отчетность многие Российские предприятия, банки и гос. компании по МСФО тому свидетельствуют… и как весь мир сидит пока на долларовых расчетах аналогично думаю будет и с учетом скоро весь мир подсадят на МСФО)

( Читать дальше )

Если кому-то интересно, мои статьи на тему R, машинное обучение, количественный анализ:

1. Мои шаги в сторону машинного обучения на R и немного про Si, Brent
2. Расчет ожидаемого количества убыточных сделок подряд на R
3. Применение логарифмов для расчетов со сложным процентом
4. Построение модели для парной торговли акциями Google и Apple на R
5. Анализ Brent с использованием языка R
6. Количественный анализ графика нефти с применением R (продолжение)
7. Гистограммы доходностей разных активов
8. Применение наивного байесовского классификатора на R для поиска закономерностей и прогнозирования

В следующей статье расскажу про наивный байесовский классификатор и нейронные сети в трейдинге. 

Думаю, многие используют заемные средства брокера  и/или срочный рынок (фьючерсы, опционы) для увеличения доходности торговли( но и повышения рисков).
Я напишу в статье некоторые особенности расчёта комиссии,  с которыми столкнулся на своём опыте (или прочитал в  других источниках).

1.БКС.
Данным брокером пользуясь давно. За годы использования обнаружились следующие особенности:
1. Если открыть короткую позицию по акциям, и  то на сумму проданных акций можно покупать другие акции на плечи, и комиссия будет только за шорт. Например, у вас на счёту 10 рублей, вы можете открыть шорт по акции А на сумму 10 рублей и купить акций Б на 20 рублей и платить только % за шорт акций А.
В качестве Б могут быть и ликвидные гособлигации с близкой датой погашения.
2. Дивиденты на плечи бкс выплачивает. Тем кто в курсе. В бкс нужно в дату див. отсечки (с учётом Т+2) проверять, не находятся ли акции в репо у брокера. Если акции были зарепованы брокером, то нужно ножками идти в представительство/филиал брокера для того, чтобы подписать бумагу о выплате вам дивов. СамНеЗнамВамОбьясням при подписании договора об этом нюансе скорее всего умолчит.

( Читать дальше )

Применим R для того, чтобы быстро посчитать, каково должно быть ожидаемое количество убыточных сделок подряд при совершении 1000 сделок.

Я написал функцию runUnluck(n) которая выдает, сколько раз мы получим n убыточных сделок подряд, если совершим 10000 экспериментов по 1000 сделок в виде подбрасывания монетки, то есть с отношением риска к доходности 1 к 1.

# Created by SciFi, 2016

runUnluck <- function(n) {
        runArray <- numeric(10000)
        for(i in 1:10000) {
                runArray[i] <- sum(rle(sample(c(-1, 1), 1000, TRUE))$lengths == n)
        }
        hist(runArray, main="Гистограмма")
        mean(runArray)
}

Здесь подробнее про функцию rle. Она как раз считает количество одинаковых исходов подряд. 

Результаты:

> source("D:\\Dropbox\\R\\RunUnluck.r")
> runUnluck(6)
[1] 7.8161
> runUnluck(2)
[1] 125.2208
> runUnluck(3)
[1] 62.4047
> runUnluck(4)
[1] 31.179
> runUnluck(5)
[1] 15.6559
> runUnluck(6)
[1] 7.7635
> runUnluck(7)
[1] 3.8831
> runUnluck(8)
[1] 1.9382
> runUnluck(9)
[1] 0.9738
> runUnluck(10)
[1] 0.4922

( Читать дальше )

В перерывах между ТСЛабом и голым кодингом копаюсь в разного рода онлайн сервисах по роботобилдингу. Пока вот очередной перерыв, решил опубликовать список из онлайн-сервисов, которые предоставляют разные возможности для бектестов и деплоймента алгоритмов. Т.к. большинство смартлабовцев сидят на иглах ТСЛаба и WL, делать детальное описание не буду, хотя покопался там изрядно. Может как-нибудь за следующим перерывом...

RIZM — прикольный конструктор. Недавно вроде гугл показал подобный кодогенератор. Суть — Вы не пишете коды, а складываете кубики. Только не такие, как в ТСЛабе или еще где-то, а более близкие к программированию. Т.е., если Вы умеете читать код, но не умеете его писать (аки покорный Ваш слуга), то это для Вас.

QUANTOPIAN — упоминался несколько раз тут на СЛ. Quantopian стал центром для выпускников математических и научных дисциплин, которые обладают навыками программирования. Для кодеров. Python. Многие говорят, что соскочили с квантконнекта в квантопиан именно по причине простоты питона. Легендарный

( Читать дальше )

Самая обычная и распространенная ошибка в построении трендовых систем, это когда вы получаете сигнал в конце периода, но открываете/закрываете позицию в этом же периоде. Этот пост об этом.

Скачаем данные и создадим скользящую среднюю по месячным данным SP500

require(quantmod)
require(xts)
require(TTR)
require(PerformanceAnalytics)

getSymbols('^GSPC', src='yahoo', from = '1900-01-01')
monthlyGSPC <- Ad(GSPC)[endpoints(GSPC, on = 'months')]

movAvg <- SMA(monthlyGSPC, 10)

signal <- monthlyGSPC > movAvg
gspcRets <- Return.calculate(monthlyGSPC)

Далее построим две системы одна с ошибкой заглядывания, вторая корректная. Суть системы простая, месячная SMA с периодом 10, выше покупаем, ниже продаем.

lookahead <- signal * gspcRets
correct <- lag(signal) * gspcRets

И построим результаты систем, на обычной шкале, и на логарифмической.

compare <- na.omit(cbind(gspcRets, lookahead, correct))
colnames(compare) <- c("S&P 500", "Lookahead", "Correct")
charts.PerformanceSummary(compare)
rbind(table.AnnualizedReturns(compare), maxDrawdown(compare), CalmarRatio(compare))
logRets <- log(cumprod(1+compare))
chart.TimeSeries(logRets, legend.loc='topleft')

( Читать дальше )