Немного с опозданием состряпал для вас солянку из топ контента прошлой недели!

Инвестиции:

❗️Новая фича смартлаба: Сравнение нескольких компаний по мультипликаторам
⚡️Серьезный чел который скрывается под ником Гном написал два поста: первая и вторая часть разговора Гнома с Седым по зуму❤️663
❤️297 Я Поговорил с Олегом Клоченком по телефону и рассказал интересную мысль, которую озвучил Олег
❤️229⭐️55 Как я за неделю проинвестировал в 1300 IPO, зачем я это сделал и что из этого вышло  
23 тыс. просмотров! На пенсию в 25. Итоги мая и не только :)

Трейдинг:

❤️162⭐️37 27 Тезисов «My Trade» — Трейдинг. Конференция трейдеров практиков 
⭐️14 10 ошибок начинающего трейдера на фондовом рынке. Чего не стоит делать
⭐️9 5 фундаментальных истин и 7 убеждений трейдера

Общие полезные темы:

⭐️33 Атон: Как перестать беспокоиться и начать торговать на иностранных рынках
❤️246 Государство о вас позаботится (нет)  — о том, как сгорели бабки в Сбере
💬243 Как короновирусный карантин повлиял на ваш бизнес? Перекличка 

Все посты, которые не попали в этот ТОП, да и просто все лучшие посты со смартлаба ищите в нашей телеге: @smartlabnews Ⓜ️.

Неделю назад я захотел узнать, насколько прибыльны IPO-инвестиции. Я загрузил информацию 1300 компаний в excel-файл, придумал инвестиционную стратегию и прогнал ее на исторических данных. Сначала я получил 5,45% доходности на сделку. Потом добавил фильтры и улучшил результат вдвое. В итоге получилось целое исследование, этапы которого я пошагово раскрываю в статье.

Дисклеймер: материал основан на исторических данных и не является руководством к действию. История может повториться, а может и не повториться. Или может повториться, но немного иначе. Всегда учитывайте эти моменты и тщательно взвешивайте принимаемые решения.

Оглавление

Шаг №1. Собираем данные
Шаг №2. Обрабатываем данные
Шаг №3. Смотрим общую картину
Шаг №4. Строим базовую стратегию
Шаг №5. Ставим take profit и фильтруем IPO по андеррайтерам
Шаг №6. Фильтруем IPO по размеру предложения
Шаг №7. Фильтруем IPO по секторам
Шаг №8. Комбинируем результаты
Шаг №9. Делаем выводы
Постскриптум
Постскриптум-постскриптум

Решил начать писать небольшие заметки по алгоритмической торговле и всему что с ней связано. Возможно, когда-нибудь расширю, склею и опубликую в виде книжки. Пока же это просто наброски заметок, сделанные на скорую руку.

Можно часто слышать от тех, кто торгует алгоритмически, да и просто систематически, такие понятия как «оверфиттинг», «курвафиттинг», «зафит» и прочие ругательства с корнем «фит». Что все это значит?
На самом деле, все эти слова, как правило, используются для описания одного и того же явления, являющегося врагом всех трейдеров, торгующих систематически и пытающихся оценить исторический перформанс своих торговых логик — а именно, что «живой» аут-оф-сампл перформанс на реальном счете, как правило, хуже ожиданий, полученных ими при проверке своих идей на истории. Например, при тестировании торговой логики на истории трейдер с помощью своей модели «зарабатывал» 30% годовых, а в реале может в среднем иметь 10% годовых. Разница 20% годовых — может объясняться именно оверфиттингом (если нет других факторов — например, некорректный учет комиссионных и проскальзываний, или ошибка в торговом коде; но прочие факторы легко устранить, в отличие от оверфиттинга). На картинке в начале статьи — пример перформанса некоторого фонда в бэктесте и в реальности, наглядно иллюстрирующий написанное выше.

Оверфиттинг является следствием комбинации одного или нескольких из следующих факторов, положительно влияющих на бэктест (результаты прогонки модели на истории), что и создает у трейдера завышенные ожидания от своей модели. В этой части мы рассмотрим основные источники оверфиттинга, в следующей — поговорим о способах избежания или минимизации оверфиттинга при историческом тестировании моделей.