В начале 2017 года я сделал расчет, в котором сравнил различные способы расчета HV.
Свои выводы я представил на завтраке инвестора у Алины Ананьевой.
Были рассмотрены восемь активов на различных рынках и период с 2010 по 2016 гг.
Методы сравнивались по критерию наименьшей ошибки прогноза будущей волатильности.
Лучшими подходами по моему мнению оказались методы господина Твардовского, господина Механизатора, экспоненциальный способ, а также усреднение этих трех прогнозов. Сейчас мне стало любопытно, насколько я оказался прав тогда в своих выводах.

Для теста я взял часовые свечки различных активов с января 2017г. по январь 2021г.
Основные выводы представлены ниже, объяснения и таблички  следуют за ними.
 

Выводы

1. В общем рейтинге с учетом всех рынков первое место занял метод усредняющий три прогноза: г-на Твардовского, г-на Механизатора и экспоненциальный.

2. Подход г-на Твардовского с подобранным мной множителем подтвердил свою прогнозную силу на различных рынках. Для российского рынка акций и фьючерсов данный метод оказался наилучшим. Для commodities, индексов и американских акций этот подход вошел в тройку лучших. Для дневного таймфрейма подход г-на Твардовского оказался самым точным для выбранной группы из пяти активов.

3. Экспоненциальный метод также доказал свою полезность, заняв третье место в общем рейтинге. Для американских акций прогнозы в рамках данного подхода оказались самыми точными. 

4. Подход г-на Механизатора с выбранным мной множителем уступил лидерские позиции другим методам, но оказался полезен при совместном использовании с другими способами .

5. Для часового таймфрейма популярные подходы Parkinson, Yang-Zhang, Rogers-Satchell и Garman-Klass в большинстве случаев оказались хуже даже базового метода расчета исторической волатильности. Впрочем, для дневного таймфрейма показатели этих методов (в частности, подхода 

( Читать дальше )

🔥Доброе утро, инвесторы!🔥

🇺🇸 Прошлая неделя для американского рынка оказалось не простой. Давно уже не было такого, чтобы почти всю неделю индекс S&P500 закрывался в красной зоне. Инвесторы отвыкли от подобного и в ряде инвестиционных блогов начинают появляться панические призывы к распродаже всех активов перед началом обвалов всех обвалов. Впрочем, ничего нового, любое небольшое падение сейчас вызывает подобные крики. Правда, практика показывает, что такие просадки быстро выкупаются и рынок уходит на новые максимумы.

На прошлой неделе, инвесторов порадовал рост банков:

📈 $WFC +15,62%
📈 $JPM +6,28%
📈 $BAC +5,05%

Лидеры падения на неделе:
📉 $WMT -3,94%
📉 $AAPL -3,89%
📉 $TSLA -3,74%

🇷🇺 Российский рынок на прошлой неделе вел себя очень разнообразно, одни компании росли почти на 20%, другие проседали на 7-10%. Субботняя торговая сессия, в отсутствии иностранных капиталов, оказалась не скучной (https://t.me/zhukovfinance/1439), подарив инвесторам серьезные движения, как вверх, так и вниз.

( Читать дальше )

Игровой сектор является одним из самых перспективных и интересных для инвесторов. По данным на конец 2019 года, количество игроков составляло порядка 2,9 млрд человек по всему миру. Индустрия развивается двузначными темпами. По оценкам аналитиков, объем рынка компьютерных игр вырос на 18% в 2020 году до $180 млрд. За последние 5 лет средние темпы роста составляют 11%. При этом, на сегмент мобильных игр уже приходится 45% и эта доля постоянно растет.

Игровой сектор — один из самых быстрорастущих среди всей индустрии медиа и развлечений. 2020-й год показал интерес со стороны пользователей, как на карантине, так и после него. По оценкам экспертов, среднее игровое время выросло на 30–40%. Отдельно стоит отметить рынок киберспорта, который с пандемией и отменой многих спортивных мероприятий, набирает обороты. Если в 2019 году объем рынка был в пределах $1,1 млрд, то уже к 2024 прогнозируется на уровне $2,3 млрд.

( Читать дальше )

00:54​ — Разбор ситуации по Apple (AAPL)
01:40​ — Прибыль по Bank of America (BAC)
02:00​ — Как сравнить акцию с SnP500 в TradingView
03:58​ — Сделка по Caterpillar (CAT)
04:18​ — Анализ американского рынка (SPY)
04:40​ — Сделка по Caredx (CDNA)
05:25​ — Сделка по Deere & Co (DE)
05:32​ — Сделка по Essex Property Trust (ESS)
06:00​ — Прозевал вход по General Hldgs (GNRC)
06:58​ — Профит по Goldman Sachs (GS)
07:10​ — Памп акции ILMN
07:34​ — Сделка по Intel (INTC)
07:47​ — Сделка по Johnson & Johnson (JNJ)
08:06​ — Прибыль по JPmorgan (JPM)
08:19​ — Сделка по Eli Lilly (LLY)
08:37​ — Пропустил сделку по MMM
09:05​ — Убыток по Nextera Energy (NEE)
09:36​ — Пропустил сделку по NNDM
10:16​ — Пропустил сделку по PENN
10:53​ — Прибыль по SIVB
11:19​ — Сделка по TSM
11:50​ — Прибыль по Exxon Mobil (XOM)
12:59​ — Когда покупать акции?

Баффет полностью вышел из акций JPMorgan, Pfizer и PNC Financial, Barrick Gold

— сократил долю в #AAPL (тем не менее, Apple остается самым весомым в портфеле Berkshire )

— купил Verizon #VZ, Marsh & McLennan #MMC, и Chevron #CVX
VERIZON SHARES RISE 2.8%, CHEVRON SHARES RISE 2.3% AFTER THE BELL FOLLOWING BERKSHIRE HATHAWAY'S DISCLOSURE OF STAKE

Источник: https://link.cnbc.com/public/22165753

( Читать дальше )

ПОКУПКИ BERKSHIRE

Уоррен Баффетт купил огромную долю в Verizon Communications inc (тикер: VZ) — 146,716,496 акций (доля 3.5% бизнеса) за 8.62 млрд $. Теперь это шестая по объему позиция в портфеле Berkshire Hathaway.

В четвертом квартале 2020 года также куплены новые пакеты акций:

• Chevron (CVX) — 48,498,965
• Marsh & McLennan (MMC) - 4,267,825
• EW Scripps (SSP) — ??? (Yahoo finance пишет про 23,07 млн акций, а в форме 13F этого нет, вброс???)

Конгломерат увеличил доли: 

• на 117% в T-Mobile (TMUS) - 5,242,000
• на 34% в Kroger (KR) - 33,534,017
• на 28% в Merck (MRK) - 28,697,435
• на 20% в AbbVie (ABBV) - 25,533,082
• на 11% в Bristol-Myers Squibb (BMY) - 33,336,016
• на 1% в RH (RH) - 1,732,548

ПРОДАЖИ BERKSHIRE

полностью избавились от Pfizer (PFE), JPMorgan Chase (JPM), Barrick Gold (GOLD), M&T Bank (MTB) и PNC Financial (PNC).

( Читать дальше )

Произвел расчеты не на каких-то эфемерных исторических периодах (где можно отобрать любой период времени и сделать диаметрально противоположные выводы, в зависимости от того, что мы хотим доказать), а на своей собственной истории покупок акций.

И сегодня у нас две компании из США, которые наиболее часто я покупаю, и одна компания из РФ (это не весь портфель, просто яркие примеры).

1. Apple

У меня сейчас 65 акций Apple, их стоимость $8840, и я получил $27 после налогов дивидендами. Для закрытия промежуточной цели по портфелю из американских акций ($100'000 в американцах), мне надо ещё 9 акций. Деньги сейчас есть, но я жду хоть какой-то просадки. И возможно зря.


Я покупал акции Apple 18 раз, начиная с 05.08.2019. Средняя цена покупки $92,88. Какое-то время я не рассматривал их к покупке. Но к середине 2019 года моя стратегия сформировалась (и не меняется, меняются лишь мелкие детали). Я понял, что Apple надо брать, причем много.

( Читать дальше )

$NDAQ: $INTC — производитель электронных устройств и компьютерных компонентов, включая микропроцессоры, наборы системной логики. А также не платформенные или смежные продукты, включающие ускорители, платы и системы, продукты подключения, а также памяти и хранения.

Как многим уже известно 2020 г. оказался для компании Intel достаточно напряженным, особенно III кв. 2020 г. Основная проблема – это очередная задержка с переходом на 7-нанометровые техпроцессоры.  Планы отложили ещё на 6 мес., так что теперь внедрение 7-нм планируется не раньше конца 2021-го — начала 2022 г.
Таким образом, Intel начинает проигрывать конкурентам на рынке процессоров по нанометрам. Один из основных конкурентов уже перешёл на на 7-нм процессоры.

Кроме этого, один из заказчиков – $AAPL  от процессоров Intel и перешёл на собственные M-1. В связи с этим, на рынке сложилось впечатление, что Intel обречен на поражение.
Для Intel разрыв сотрудничества с Apple является больше имиджевым ударом. По данным аналитиков Sanford C. Bernstein, на которые ссылается Bloomberg, на поставляемые Apple процессоры приходится менее 5% годовой выручки Intel. По итогам 2019 года она составила $75 млрд. А по оценкам инвестиционной компании Raymond James, после окончательного перехода Apple на собственные процессоры Intel потеряет не более $3–4 млрд годовой выручки.

Поэтому финансовые показатели компании продолжают демонстрировать положительную динамику.
Следует заметить, что ориентируемая на персональные компьютеры часть дохода, также прибавила в доходности. Если брать в более широком понимании, то не все дата-центры готовы брать продукцию $AMD только из-за нанометров. Есть и друге факторы, которые влияют, как на производительность, так и на надежность чипов. Интел долгие годы показывал себя с положительной стороны закрывая потребности клиентов на высоком уровне. По мимо самих процессоров Интел сопровождает заказчиков в течении периода эксплуатации, а также предлагает различные дополнительные услуги под потребности каждого клиента. Как в программном обеспечении, так и на уровне “железа”.  Что определенно позитивно сказывается на лояльности клиентов.




#Доходы Интел достаточно диверсифицированы. Несмотря на то, что на ПК сегмент приходится большая часть выручки. Сам сегмент #ПК разбит на множество подсекторов, где присутствует большое количество различных чипов, которые отличаются по задачам и архитектуре. Это и центральные процессоры, и сетевые модули, и различные другие #чипы. 

Одно из преимуществ компании – это низкая долговая нагрузка, которая позволяет преодолеть вышеперечисленные трудности и параллельно направлять около $10 млрд в год 
Свободный денежный поток компании свободно перекрывает все расходы. Операционная #маржинальность составляет 31,8%, что говорит о востребованности продуктов Интел.
Кроме того, Intel одна из немногих технологичных компаний, которая стабильно платит #дивиденды 4 раза в год. Текущий квартальный дивиденд на акцию составляет $0,33, годовая дивдоходность оценивается около 2,6%.
Дополнительную поддержку акциям оказывает периодичный выкуп собственных акций. В октябре прошлого года на #выкупакций с рынка было выделено $20 млрд. В рамках ускоренного выкупа 2020 г., Intel решил потратить на выкуп еще $10 млрд, это порядка 5% капитализации компании.

( Читать дальше )

Известный факт — парный трейдинг не приносит прибыли. Все модели сливают. Понятно, что или расходятся они недостаточно для того чтобы окупить спрэд (например, обычные против префок или GOOG против GOOGL) или просто не состоянии сохранить зависимость друг от друга после обнаружения таковой. Поэтому часть трейдеров ищет зависимости между ETF, а другая между ETF, фьючерсами и корзиной акций. Это так называемый классический стат. арбитраж.

Я предлагаю взглянуть на с другой стороны и торговать корзину из более чем 200 акций (да, извините, но это не для российского рынка — даже 20-30 акций недостаточно). Для начала нужно высчитать синтетик у которого будет минимальная дисперсия — всех интересующихся отсылаю к трудам hrenfx, который, впрочем, пошел путем непрозрачных и требовательных вычислений, которые требуют большое кол-во памяти и не в состоянии рассчитать синтетик для более чем 30 и более инструментов. Каждый желающий прочитав посты hrenfx может самостоятельно все вычислить используя несколько строк на Python. Чтобы не утомлять деталями в финале получим синтетик вида k1*msft + k1*aapl +… k_n*XLNX. Одна часть синтетика будет с положительными значениями, другая с отрицательными. Это и будет синтетик с минимальной дисперсией, который вы уже можете начать торговать. В реальности нужно будет нормировать коэффициенты и отсеять акции вес которых в портфеле, например, меньше 5-10% (все зависит от торгуемого капитала — ведь нужно будет на эти 5% купить минимальное кол-во акций). Так же можно убрать и дорогие акции AMZN, TESLA etc… Разумно выбрать одну часть синтетика с отрицательными или положительными коэффициентами и торговать «one leg» по оценке на основе полного синтетика. Это снизит издержки и повысит вашу прибыль.  

( Читать дальше )

Тезисы про математическое моделирование рыночной цены для трейдинга

   Снова и снова наблюдаю, что статьи на отвлеченные темы имеют гораздо бОльшую популярность на сайте, чем статьи собственно на конкретные темы трейдинга. Писать на отвлеченные темы нет ни желания, ни планов. Эту статью я опубликую – я обещал нескольким уважаемым коллегам выложить данные расчетов и исследований, но, скорее всего, имеет смысл на этом остановиться – ответной реакции от читателей я практически не вижу.
   Выскажу свое мнение на вопрос: как можно подходить к математическому моделированию поведения цены на бирже и каким образом это может помочь в трейдинге.

   Сначала несколько исходных положений, в рамках которых, на мой взгляд, целесообразно смотреть на данный вопрос.
   Как я рассматриваю процесс изменения цены. Нет смысла, да и не реально, предсказывать конкретную цену в конкретный момент времени. Но можно и нужно предсказывать интервал цен, в котором рыночная цена будет находиться в конкретный ИНТЕРВАЛ времени в будущем с бОльшей вероятностью. Ключевое слово здесь –

( Читать дальше )