Если инвестируя в акции вы считаете, что покупаете бизнес — вам не место на фондовых рынках. 

Ответ для SergeyJu:


    Мы — маленькая инвестиционно-консалтинговая компания, вот уже 78 лет занимающаяся вложениями в фондовый рынок США. Все эти годы мы используем простую и очень понятную стратегию — мы покупаем только «прозрачные» акции в расчете получить «среднюю» доходность по рынку. Мы не читаем книг о том, как сделать из 5 долларов 50 миллиардов, случайно подписанных именем У.Баффета, и не играем в рулетку. Это простое правило позволяет нам получать портфели лучшие подавляющего большинства профессиональных управляющих США и, возможно, даже лучшие самого У.Баффета.

    Мы не покупаем акции прямых инвестиций — ценность таких акций определяется только местом в совете директоров и сопутствующей внутренней кухней компаний. Мы не покупаем акции у инсайдеров — инсайдеры никогда не дадут войти в рынок по хорошей цене.  Мы не покупаем акции у компаний в расчете на их порядочность и честность их аудиторов. Правильнее сказать, что мы 

( Читать дальше )

Демонстрация динамики ставок по 2-летним казначейским облигациям и процесса максимизации банковской прибыли через инструментарий «ФРС».


Если доверять гипотезе эффективного рынка и считать, что индекс поддержит текущее падение ставок, то цена фьючерса на индекс должна опуститься до уровня безрисковой доходности UST.  

В качестве точки отсчёта возьмём 2010-2011 год — цена фьючерса на индекс SP500 составляла около 1050$-1200$.
«Безрисковая» доходность UST10 — около 14.8-16.9%- за 8-9 лет. 
Итого, эффективная цена фьючерса = 1230$-1400$.
Или возможное падение 50-60%.



( Читать дальше )

Часть 1.

Традиционно считается, что задача портфельной оптимизации, или задача Марковица, представляет собой некоторую самостоятельную задачу выбора такого портфеля активов, который обладал бы максимальной доходностью при минимальных рисках.

Прим. В качестве актива могут выступать ценные бумаги (акции), их производные (опционы)  или торговые системы.

 

Решение задачи состоит из двух этапов:

1. Прогноз доходности и ковариации активов в будущих периодах – то есть построение некоторого набора «слабых» прогностических моделей.
2. Составление оптимального портфеля в соответствии с некоторой целевой функцией, и ранее полученными оценками. То есть построение такой композиции «слабых» моделей, которая обладала бы наибольшей прогностической силой.

 

Почему мы используем аналогию портфельной оптимизации с методами машинного обучения  — Bag, Boost?! Потому что в действительности (и мы это продемонстрируем) нам абсолютно не важно, насколько хорошо динамику наших временных рядов прогнозируют «слабые» модели – нам важно только то, чтобы ошибки прогнозов наших моделей взаимно компенсировали бы друг друга в некотором интегральном смысле. Иными словами – в случае бустинга – ошибка прогноза линейной композиции была бы минимальной, а в случае портфельной оптимизации –  была бы минимальной ошибка прогноза нелинейной композиции (то есть самого портфеля).

( Читать дальше )