метрики

• % дней, в которые совершались сделки, по отношению к общему числу торговых дней

Всем доброго дня! 

Продолжаем рассматривать различные метрики помогающие в оптисизации и выборе алгоритмических торговых стратегий.
Сегодня у нас Deflated Sharpe Ratio. 

📈 Понимание этого коэфициета становится неотъемлемым элементом при разработке и использовании автоматических торговых стратегий. Этот уникальный инструмент может быть ключом к оптимизации алгоритмов и моделей!

Наше последнее видео посвящено Deflated Sharpe Ratio и его преимуществам:

1️⃣ Реалистичная оценка производительности: Deflated Sharpe Ration корректирует оригинальный коэффициент Шарпа, учитывая количество проведенных испытаний, предлагая более реалистичную оценку производительности стратегии.

2️⃣ Защита от переобучения: Учитывая множественное тестирование, он помогает инвесторам избежать подводных камней переобучения и добычи данных, которые часто упускаются из виду в традиционных мерах.

3️⃣ Улучшенная оценка риска: Учитывая асимметрию и эксцесс ваших стратегических доходов, он предлагает более полную оценку риска.

В сравнении с предыдущим достижением АТН в марте, в этот раз интерес к Bitcoin базируется на инвестиционном подходе с долгосрочным удержанием. Использование заемных средств или кредитного плеча при торговле фьючерсными контрактами сократилось с 70,1% в апреле до текущих 44,6%. Это снижает волатильность Bitcoin, поскольку коррекции цены реже вызывают принудительное закрытие позиций.

Источник изображения: glassnode.com

Существенный толчок в росте инвестиционного спроса дало одобрение ETF на Bitcoin-фьючерсы. Теперь каждый американский инвестор, имеющий доступ к фондовой бирже, может инвестировать в криптовалюту. Доброе отношение регулятора к цифровым активам отразилось и на торговле фьючерсами на Bitcoin: на Чикагской фондовой бирже объем торгов достиг нового рекорда в $7,7 млрд, а открытый интерес к контрактам подскочил за месяц на 265%.

Стремительный успех акций Tesla за последний год повлиял на парк электромобилей и связанных с ними технологий — компании стали свидетелями того, как стоимость их акций переключается в режим взрывного роста, поскольку спекулятивный пыл привлек внимание инвесторов, желающих сделать ставку на экологичное будущее без выбросов. 

 В некоторых случаях инвесторы  вкладывали в будущее без выбросов  путем слияния известного как Spac или “специализированная компания по целевым слияниям и поглощениям”, а порой  через обычное IPO. В других случая, они просто годами ожидали обнаружения на рынке. 

 Однако почти во всех случаях можно видеть опережение  сектром электромобилей широкого  рынка за последние 6 месяцев, даже если речь не только о растущей компании с разрабатываемой идей без начатых продаж, но и реальный бизнес с доходами, прибылью и денежным потоком ( равноценно высокие показатели роста).

 Чтобы отслеживать рынок электромобилей и связанных технологий FT сделал открытый файл в документах гугл  Excel в открытом доступе для отслеживания и обновления всех важных для инвесторов метрик в этом сегменте. Тут список производителей электромобилей, зарядок, батарей. Все с указанием рыночных тикеров, динамикой роста в процентах, возврат, рыночная капитализация, ebidta, объем продаж, рост. В общем, проходите по ссылке и сохраняйте на своем гугл диске — очень полезный ресурс для инвесторов в этом секторе. К тому же, авторы планируют добавлять новые метрики — скоро будут добавлены  капитальные затраты и затраты на R&D по компаниям.

Телеграм канал «Между Кейнсом и Баффетом» - фундаментальный разбор долгосрочных идей для инвестиций, аналитика новостей и немного академической экономики.

В продолжение этого поста smart-lab.ru/blog/547833.php. Готового решения не нашлось, так что пришлось изобретать свой велосипед. На мысль натолкнул комментарий Кирилла Браулова smart-lab.ru/blog/547833.php#comment9870122. Действительно, почему бы нам вместо ошибки не считать модельную вероятность фактической реализации. Вероятность конкретной цены – около нуля. Ок, можем взять не точку, а некоторую окрестность слева и справа. Тогда распределения можно будет сравнить по сумме/среднему вероятностей фактических реализаций за большое количество экспериментов. Вроде задача решена. Но почему бы не пойти дальше…

Мы можем разделить прогноз на n равновероятных интервалов, например, 10 или 100. Для этого рассчитаем квантили с шагом 0,1 или 0,01. И проверим в какой интервал попала фактическая реализация. И так для всех экспериментов. Пример на картинке

Допустим у нас есть несколько моделей, описывающих движение цены актива. Нам нужно выбрать модель, которая лучше предсказывает будущую цену. Т.е. нам нужна метрика, по которой мы будем сравнивать модели.

Хороший обзор коэффициентов для оценки качества моделей есть на сайте Ивана Светунькова forecasting.svetunkov.ru/forecasting_toolbox/models_quality/

Проблема в том, что все коэффициенты оценки качества прогноза основываются на сравнении ошибок (разница между мат.ожиданием модели и реальным значением прогнозируемой переменной). Если нас интересует только мат.ожидание, например, мы торгуем линейно активом, то проблем никаких. Но если для нас важна плотность вероятности, например, при оценке стоимости опционов, то имеющиеся метрики сравнения моделей не подходят.

Приведу пример. Есть три модели, прогнозное мат.ожидание которых совпадает, а плотность вероятности различается:

Качественный фундаментальный анализ биотехнологических компаний имеет решающее значение для любого долгосрочного (среднесрочного) инвестора из-за высокой конкурентоспособности отрасли. Но на что мы должны прежде всего обращать внимание? Какая фундаментальная метрика играет ключевую роль? Ответ на этот вопрос не так прост, как может показаться с первого взгляда. Биотехнологический сектор, — это сектор, анализ которого в корне отличается от типологических методик. Сектор с большей степенью нагрузки спекулятивными активами, в котором привычные метрики могут приобретать неожиданное значение в диапазонах от малозначимых до абсолютно бесполезных. Более того, за последние пять лет резко изменился пул биотехнологических компаний. Биофармацевтическая «экосистема» (количество публично торгуемых биотехнологий в США) сократилась более чем на 25% в период с 2005 по 2011 год. Рынок IPO был неспособен обеспечить низкое финансирование прироста стоимости для начинающих компаний. За семь с небольшим лет ситуация в корне преобразилась. Сегодня мы находимся на устойчивом (в течение последних пяти лет), открытом и адаптивном рынке IPO, наиболее плодотворном для новых предложений в истории биотехнологии. С 2011 года мы наблюдаем более чем 50-процентное увеличение числа публичных биотехнологических компаний. Новые предложения и относительно низкий уровень листинговых потерь способствовали огромному увеличению пула акций.  Как и следовало ожидать, это привело к резкому увеличению общей рыночной капитализации сектора.

Перевод (http://bettersystemtrader.com/sharpe-ratio-right-answer-wrong-question/)

Многие используют коэффициент Шарпа, но до конца не понимают в чем прелесть данного показателя.

Для начала давайте выясним, что коэффициент Шарпа делает хорошо:

1. Сравнение разных активов и стратегий.
2. Оценка неопределенности.

Мы все знаем, что в создании портфеля стратегий очень важно правильное распределение активов. Трудность состоит в том, чтобы найти единую метрику оценки разных стратегий, скорректированную на размер риска. Это то, что делает коэффициент Шарпа. С помощью него мы получаем единую меру для измерения риска различных классов активов: облигаций, акций, фьючерсов, сырья и т.д.

Человеческому мозгу трудно связать неопределенность с риском. Риск активирует миндалевидное тело (амигдала), а та активирует рефлекс бей-беги. В данном случае Шарп можно использовать как хорошую оценку неопределенности, он является отношением результативности стратегии к неопределенности.