Пока собирал новый пул роботов, пришла мысль сделать алгоритм на баскетах. Давно думал о портфеле исключительно из маркет-нейтральных стратегий, но руки все никак не доходили.
Начал, конечно с небольшого рисерча, как вообще собирать корзины. Единственный годный материал по этой теме, который удалось найти, — это брошюра Давида Серебренникова. Прочитал статью несколько раз, представил идеальный спред и уже начал искать счетчик банкнот, но сперва, подумал я, надо потестить…
На первом же шаге меня ожидала неприятная новость: выбирать инструменты особо не из чего…
Большинство постов на СмартЛабе посвящено отдельным идеям — акциям с хорошей отчётностью, удачным сочетанием корпоративных событий и т.д. В тоже время в большинстве случаев:
То есть в полный рост встает вопрос, как грамотно аллокировать средства между несколькими идеями. Сложилось впечатление, что в большинстве случаев средства распределяются произвольно или в лучшем случае в виде некой фиксированной суммы или доли портфеля.
А есть ли на СмартЛабе авторы, которые пользуются современной портфельной теорией?
Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за ноябрь (результаты за прошлый месяц: smart-lab.ru/blog/430154.php). Месяц выдался для модели хорошим — +2.3%, модель обогнала один из своих бенчмарков (EQW), однако S&P показал ретурн на 0.5% лучше — +2.8%. Это ожидаемо в периоды бурного роста индекса, когда «защитные» активы (золото и трежерис) перформят ожидаемо плохо (а модель почти всегда держит их с положительным весом), и не должно смущать долгосрочного инвестора — ведь основные преимущества модель проявляет, когда S&P не растет, а даже наоборот.
Веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:
weight monthly.ret
XLY 0.086 5.83
XLP 0.111 5.50
XLE 0.091 0.91
XLF 0.097 2.34
XLV 0.078 3.13
XLI 0.093 3.63
XLB 0.026 1.19
XLK 0.059 1.35
XLU 0.101 2.89
IYZ 0.000 3.72
VNQ 0.039 1.31
SHY 0.000 -0.23
TLT 0.117 -0.14
GLD 0.101 -0.07
Предыдущие веса были опубликованы 2-го ноября, соответственно доходности приведены за период с 3-го по 30-е ноября.
Корреляция между весами и ретурнами положительная — 0.192. Вследствие этого модель обогнала свой основной бенчмарк — EQW (equal-weighted портфель из торгуемых тикеров): +2.3% LQI vs. +2.2% EQW, однако другой бенчмарк — SPY — показал за месяц результат на 0.5% лучше. Однако в терминах риска (максимальной просадки) модель значительно обогнала оба бенчмарка — 0.55% LQI vs. 0.75% EQW vs. 1.05% SPY