Пошел последний квартал сего года.
Волатильности как не было, так и нет пока — продавать опционы как-то грустновато....
Роста почти нет, падений тоже — мало на чем можно заработать при немаленькой позиции.
Если у кого получается, снимаю шляпу.
Итак, что получилось в этом месяце самое приятное это обновление истхая эквити.
В моменте было +3% от начала 2017 года и +2% от предыдущего истхая.
По итогам же месяца +0.5% от начала года и +1.5% от предыдущего истхая.
В этом месяце профит дали акции и фьючерсы примерно поровну. Опционов в этом месяце не было.
На акциях и фьючерсах торгуется одинаковый портфель алгоритмов, т.е., грубо говоря, всего у меня один робот, размноженный лишь на разные инструменты и клонированный, чтобы капитал разделить на части.
Из исследований в этом месяце занимался в основном своим портфелем алгоритмов и решал простенькую задачку: какими должны быть веса эквити в разных инструментов, если алгоритм один и тот же ну и т.д. Ничего более разумного пока не придумал, чем просто выровнять эти веса по риску, который оценивать по распределению просадки в каждом инструменте. Ну и начал играться с дополнением ребалансировки между инструментами — пока не вижу от этого профита.
Сьездил на конференцию смартлаба и теперь у меня в профиле появился крутой орден. Всё, можно с писаниной на сайте завязывать:)
Вообще, как и следовало ожидать, реальная польза от посещения конференций (подозреваю, что любых, а не только смартлаба) в живом общении. Восхищаюсь здоровьем чемпионов по алко — я бы так точно не смог, видимо, от того и торгую вяло:)
В порядке имхо: из всех, кто специализируется на акциях, процентов 70 это инвесторы-лудоманы. Забили головы кучей фактов из интернета, кто-то сьездил на ОСА и т.д. По факту торговли — лудоманы, которые выезжают на том, что рынок всё равно растёт.
Вообще про «инвесторов» можно отметить пару моментов:
1. Людям нравится играть в эту игру, ибо они становятся приобщены к чему-то большему, типа к деятельности ГМК или к Сберу и т.д.
2. Им это нравится еще и потому, что они становятся круче, ведь им известен чуть ли не каждый шаг мажоритарного акционера того или иного эмитента.
Надо признать, что инвестор-лудоман (пусть и держащищй позу по неск лет) это то же самое, что и спекулянт-лудоман, который гоняет ришку или сишку внутри дня бессистемно.
Что еще про народ и конфу? Это мышление. Упорно доминирует локальность мышления и подход снизу-вверх. Т.е. люди мыслят отдельностями и хотят конкретных советов. Претензии на метод, на глобальный подход к рынку почти нет. Вероятно, это обычная история, свойственная людям везде.
Впечатление от Москвы (последний раз я там был 5 лет назад): ничего не поменялось.
Из ближайшего могу маленько расслабиться, вроде в торгуемых алгоритмах навел порядок во всех слабых звеньях, которые дали убыток или не дали заработать много в рыночных условиях 2016-2017 гг., но не были критичными в предыдущие 2014-2015 гг. Поэтому буду играться в адаптивные вещи в октябре. Самое основное это уйти от фиксированного окна. Пока гипотеза простая: опираться на некоторую пройденную волатильность или ограничиваться неким фикс окном, в котором волатильность условно стационарна.
Имхо, выравнивание просадок — это зафит под конкретные единичные события, которые по одним стокам больше не реализуются, а по другим — реализуются в разы сильнее, чем были на истории.
Стандартные портфельные алгоритмы — minimum volatility, maximum diversification ratio — не пробовали? Я сначала юзал первый, но потом заметил что он берет с большим весом всякие маловолатильные стоки (типа CBOM, ну понятно это так по построению), думал что с этим делать, и обнаружил, что задача уже решена до меня в виде второго алгоритма =)
Доходность немного выросла, риски остались теми же, доля CBOMа в портфеле упала.
Все равно нужна какая-то портфельщина — учитывать взаимосвязи между отдельными стоками. Или хотя бы на верхнем уровне определять доли секторов или некоррелированных кластеров инструментов в портфеле, а внутри каждого — уже раскидывать веса вашим методом.
Если же я попытаюсь учесть корреляции между активами, я на заниженную оценку риска по каждому активу насажу еще и рукотворную победу над матрицей корреляции, то есть занижу еще и совокупный риск.
А где это я предлагал так делать? Подход equal risk contributions как раз предполагает учет корреляций между разными факторами риска, чтобы суммарный риск не завышался. Откуда берется заниженная оценка единичного риска в этом подходе — не очень понимаю.
По поводу заниженной оценки риска каждого актива — такое утверждение мне опять же непонятно. «Рукотворная победа над матрицей корреляции» — так не надо считать ту волатильность портфеля, которая получилась как решение оптимизационной задачи, правильной оценкой реальной волатильности. Понятно, что если алгоритм ее оптимизирует — то вы зафичиваете (занижаете) волатильность. Это другая проблема, которую можно решать многими способами (шринкать матрицу, шринкать веса, решать задачу для случая толстохвостых распределений, RMT). Но в любом случае аккуратное решение задачи будет лучше, чем оптимизация портфеля «методом пристального взгляда» (хотя я согласен, что такой подход явно лучше, чем метод решения тупым обращением сырой ковариационной матрицы, построенной на ретурнах инструментов).
И еще хуже. Предположим, за 10 лет у некоего актива максимальный ДД ХХ. Какова верочтность, что на 11 год максимальный ДД будет больше ХХ. Практически, это 10%.
Так элемент оптимизации присутствует везде. Вы ищете то, что лучше работает на истории — это уже оптимизация (и нехило, кстати, зафичивающаяся). Поэтому глупо бояться оптимизации, делая бэктесты. Надо просто оптимизировать правильно, понимая, что оценки, которые оптимизируются — нельзя принимать за истинные. Ну и бороться с оверфитом релевантными способами. Конкретно для задачи «а-ля марковичная оптимизация» — я некоторые выше упомянул. Я их использую — и не могу пожаловаться на результаты.
С этим поспорить не могу, ровно об этом я выше писал автору — оптимизация по просадкам очень неробастна и подвержена оверфиту. А уж по стокам — так это вообще может быть даже и нестационарный процесс. Собственно, как альтернативу я и предложил методы портфельной оптимизации.
Я вот зафитил модель с 2003-го до 2015-го, потом проверил как она работает с 1927-го до 2002-го в качестве аут-оф-сампла — результаты меня устроили (вот здесь: https://smart-lab.ru/blog/384110.php, правда с 1954-го). Более того — заложенные правила работают еще на нескольких рынках (в т.ч. на российском), на которых я ее пробовал для проверки робастности. Так что достаточное аут-оф-сампл тестирование — и торгую ее, сплю спокойно, смены режимов не боюсь.
И, кстати, я считаю, что портфельная оптимизация, будучи грамотно проведенной, как инструмент риск-менеджмента — работает при любых «режимах», а вот методы «на глаз на коленке» — это как раз зафит под какие-то конкретные условия, которые вряд ли повторятся.
Но контроль оверфита — это отдельная тема, мы в данном топике не это обсуждаем.
Т.е. если вы пробуете 100500 моделей, отбираете на IS лучшее, а потом из этого торгуете только то, что работает на OOS — то тогда да, вы имеете просто два ISа, и создаете видимость того, что делаете OOS-тестирование.
Если же мы дейструем строго по правилам machine learning, т.е. на IS (возможно с дополнительным участком IS для кросс-валидации) отбираем по некоторым правилам набор моделей, которые торгуем (~ наборы параметров), а затем на OS *один раз* смотрим, как это работает, и считаем это реалистичным результатом для такого правила отбора — то я не вижу проблем. Если мы перебираем 100500 правил выбора параметров или исходных моделей — то да, снова получается просто один большой IS, без OSа.
Я же вообще делаю еще хитрее, то что называется «walk forward» оптимизацией, т.е. выбираю модели (или параметры) в некотором окне, потом торгую их какое-то время на новых данных (и только результаты такой торговли считаю за эквити стратегии, т.е. без IS), потом снова пере-выбираю. Так у меня в каждый момент времени торгуется какой-то индивидуальный набор моделей, отобранный по некоторым правилам на прошлых данных, без заглядывания. Так получается довольно реалистичный OS.
Если вы используете OOS-период для «отбраковки» моделей — то да, вы зафичиваетесь, фактически это еще один IS.
Если вы используете OOS-период уже для оценки реального торгового качества того, что отобрали на IS-периоде (возможно, по каким-то сложным правилам, с разбиением самого ISа на участки) — то средний перформанс того, что вы когда-либо прогоняли на OOS-периоде — это и будет реалистичная оценка качества моделей.
Это будет серьезный повод задуматься о том, что и как я делаю. Слава богу, пока такого случая не представлялось.
Сам всегда смотрю только на них, особенно при оценивании чужого перформанса. Но ждать статистически значимых результатов в торговле довольно долго, если вы не ХФТшник (скажем, вы ранните стратегию с шарпом 1 — я шарп 1 считаю нормальным показателем — так вот при реальном шарпе 1 с вероятностью 16% она окажется в минусе через год торговли, а на горизонте полгода — с вероятностью уже 24%) — поэтому я считаю перформанс правильного OOS тестирования более удобным способом оценить качество модели, без ожидания каких-то результатов в течение как минимум нескольких месяцев и потери денег (если модель все-таки не работает).
Ну, на чужих эквити такого счастья нет, поэтому приходится ждать результатов реальной торговли.
кроме того можно использовать например, для определения «релевантности» параметра. если с добавлением переменной на OOS получается подъехать «ближе» к идеалу — это хороший параметр, если нет — он не нужен.
IS тут не помогает — он на любом наборе параметров «подъедет» к идеалу максимально близко.
это как «диалектический подход» — если рассматривать проблему только с одной стороны (IS), то получаешь необъективность.
хотя при плохих результатах на OOS конечно хочется на него закрыть глаза и сказать что его не существует или оно ничем не отличается от IS.
1. Идея OOS — изобретение теоретиков машинного обучения.
2. Практически реализовать эту идею в трейдинге невозможно.
3. Мы вынуждены опираться на свой опыт, а не на оценки тестов.
4. Реально у нас все калибровки моделей играют роль IS.
5. В реальном трейдинге OOS это эквити на счете — то, что невозможно изменить.
6. Всё остальное, что может быть изменено задним числом не соответствует идее OOS и является лишь IS.
Выбор страны — лидера уже есть подгонка.
Согласен, во избежание этого один из датасетов — это набор глобальных MSCI-индексов с 1970-го года (с нулевых — соотв. ETFы). Для них перформанс в принципе нормальный (с 2007-го — 7+% годовых, макс. просадка 17%, с 1970-го — те же 10+% годовых, что и по штатам, с той же макс. просадкой 17%).
Нет, но подозреваю, что на рынке царской России она бы сработала нормально, поскольку перед закрытием он сильно валился больше месяца, а она трендовая и все бы закрыла.
Аргентина — нет данных. Если знаете где можно взять данные (отдельные стоки или хотя бы отраслевые индексы) — буду очень признателен.
На досуге затещу — думаю, выложу какие-нибудь краткие результаты здесь на СЛ.
P.S. Жаль, что ребятам из Еля они интересны, а в России — никомушеньки =(
Оо, а можешь тут поподробней?) — мне нравятся подобные идеи — более общие, более фундаментальные.
А в чем идея? — я это так не называю, но такое впечатление, что я почти всегда отталкиваюсь от текущей волатильности в неявном виде))
это описка от алго или реально алкаши?
Интересно, что 400 человек сами поняли, а я туплю… (
тебе не кажется, что твой аргумент можно применить и к твой стратегии (она мне запомнилась похожей на Григоряна) — покупай растущее?
ну то есть интересно, что будет с твоей стратегией когда весь рынок падает широким фронтом.
хотя судя по тому что у тебя плюс, в отличие от индекса, у тебя есть альфа, которая работает. Уважаю!
1. Случайно случайная
2. Системно случайная
3. Случайно системная
4. Системно системная
Собственно, системная это лишь последняя четвертая стадия. Находясь на ней, никто не гарантирует заработка и можно сливать долго, пребывая в этой стадии. Однако, первые три стадии это лудоманство в скрытом или явном виде, которое может запросто давать большие и затяжные заработки.
Основа системной стадии это либо логика+математика+статистика либо инсайд. Второе для меня ни в каком виде недоступно. Первое на материале ценовых рядов — да. Правильный системный инвестор должен действовать в рамках первого сценария, основываясь на материале фундаментальных данных. Кто из «инвесторов» это делает? В бОльшей части — никто. Поэтому они лудоманы:)
Поэтому инвесторов всегда будет больше.
Движуха везде глохнет. Было подозрение на криптовалюты, но общее затухание многократно больше того, что выросло в криптовалютах.