Индекс Cbonds-CBI RU High Yield

ВДО становятся если не более значимыми, то более институциональными инструментами российского долгового рынка. С 26 марта Московская биржа начинает расчет и публикацию индекса ВДО – Индекс Мосбиржи ВДО ПИР (https://t.me/moexnews/4013).

На рынке ВДО с 2018 года уже существует индекс Cbonds-CBI RU High Yield. Теперь, когда у индекса появилась альтернатива важно понимать, чем эти индексы отличаются и какие бумаги лежат в основе каждого из них.

Критерии индекса Cbonds:
• Валюта выпуска Рубли РФ
• Фиксированный купон, который равен или выше, чем ставка ЦБ + 5%
• Минимальный срок обращения 182 дня
• Хотя бы треть торговых дней в квартал по бумаге совершались сделки
• Максимальный объём в обращении 2 млрд (до ноября 2019 года 1 млрд)

Критерии индекса МосБиржи ВДО ПИР:
• Эмитент исполнил в полном объеме обязательства по выплате купонного дохода, выкупу по оферте, погашению всех выпусков облигаций, допущенных к торгам
• Национальными рейтинговыми агентствами эмитенту присвоен кредитный рейтинг на уровне не менее ruB- или аналог
• Валютой выпуска являются рубли РФ
• Объем по номинальной стоимости выпуска составляет не менее 200 млн рублей
• Срок до даты погашения составляет не менее 3 месяцев

# В КВИКе запускаем луа-скрипт QuikLuaPython.lua
import socket
import threading
from datetime import datetime, timezone
import pandas as pd
import finplot as fplt

fplt.display_timezone = timezone.utc


class DeltaBar():
    def __init__(self):
        self.df = pd.DataFrame(columns='date_time open high low close delta delta_time_sec'.split(' '))
        self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0]

    def parser(self, parse):
        if parse[0] == '1' and parse[1] == 'RIH1':
            if abs(self.df.iloc[len(self.df) - 1]['delta']) >= 500:
                self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0]  # Добавляем строку в DF

            self.df.iloc[len(self.df) - 1]['close'] = float(parse[4])  # Записываем последнюю цену как цену close бара

            if self.df.iloc[len(self.df) - 1]['date_time'] == 0:
                self.df.iloc[len(self.df) - 1]['date_time'] = \
                    datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f").replace(microsecond=0)

            if self.df.iloc[len(self.df) - 1]['open'] == 0:
                self.df.iloc[len(self.df) - 1]['open'] = float(parse[4])

            if float(parse[4]) > self.df.iloc[len(self.df) - 1]['high']:
                self.df.iloc[len(self.df) - 1]['high'] = float(parse[4])

            if (float(parse[4]) < self.df.iloc[len(self.df) - 1]['low']) or \
                    (self.df.iloc[len(self.df) - 1]['low'] == 0):
                self.df.iloc[len(self.df) - 1]['low'] = float(parse[4])

            if parse[5] == '1026':
                self.df.iloc[len(self.df) - 1]['delta'] += float(parse[6])

            if parse[5] == '1025':
                self.df.iloc[len(self.df) - 1]['delta'] -= float(parse[6])

            self.df.iloc[len(self.df) - 1]['delta_time_sec'] = \
                datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f") - \
                self.df.iloc[len(self.df) - 1]['date_time']
            self.df.iloc[len(self.df) - 1]['delta_time_sec'] = self.df.iloc[len(self.df) - 1]['delta_time_sec'].seconds


def service():
    sock = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
    sock.bind(('127.0.0.1', 3587))  # Хост-этот компьютер, порт - 3587
    while True:
        res = sock.recv(2048).decode('utf-8')
        if res == '<qstp>\n':  # строка приходит от клиента при остановке луа-скрипта в КВИКе
            break
        else:
            delta_bar.parser(res.split(' '))  # Здесь вызываете свой парсер. Для примера функция: parser (parse)
    sock.close()


def update():

    df = delta_bar.df
    # Меняем индекс и делаем его типом datetime
    df = df.set_index(pd.to_datetime(df['date_time'], format='%Y-%m-%d %H:%M:%S'))
    # print(delta_bar.df)

    # pick columns for our three data sources: candlesticks and TD
    candlesticks = df['open close high low'.split()]
    volumes = df['open close delta_time_sec'.split()]
    if not plots:
        # first time we create the plots
        global ax
        plots.append(fplt.candlestick_ochl(candlesticks))
        plots.append(fplt.volume_ocv(volumes, ax=ax.overlay()))
    else:
        # every time after we just update the data sources on each plot
        plots[0].update_data(candlesticks)
        plots[1].update_data(volumes)


if __name__ == '__main__':
    delta_bar = DeltaBar()
    # Запускаем сервер в своем потоке
    t = threading.Thread(name='service', target=service)
    t.start()

    plots = []
    ax = fplt.create_plot('RIH1', init_zoom_periods=100, maximize=False)
    update()
    fplt.timer_callback(update, 2.0)  # update (using synchronous rest call) every N seconds

    fplt.show()

Доходность в долларах США:
29.03% — портфель.
16.83% — индекс SP500.



Макс просадка с начала года:

-24% — портфель.
-30% — индекс SP500.

В декабре индекс ISM превысил отметку 60, и теперь SP 500 может вырасти еще на 38%

   Процентный рост S&P 500 до своего пика с того момента, как индекс ISM поднимался выше 60 пунктов. 

В декабре индекс ISM впервые с 2018 года превысил отметку 60, и это может означать, что рынку акций США еще расти и расти, пишет главный стратег по рынку акций и производных инструментов финансовой компании

Эксперт проанализировал исторические данные, начиная с 1950-х годов, и выяснил, что за этот период времени имели место десять случаев, когда индекс ISM поднимался выше 60 пунктов. Средний рост S&P 500 с этого момента до достижения пика составил 38% при минимальном значении на уровне 8,1% в 1976 году и максимальном значении на уровне 107,2% в 1983 году.