В прошлой статье мы рассмотрели первый способ поиска пар для стратегии «Парного трейдинга», который работал относительно быстро, но результаты требовали тщательной обработки напильником. То есть дополнительной визуальной проверки графиков для выбора подходящих кандидатов.

В этот раз мы рассмотрим метод поиска коинтеграции (подробнее здесь) по методу Дики-Фуллера.

Первый из трех способов автоматического поиска пар на Python для торговли по стратегии «Парного трейдинга». Исходя из результатов предыдущей статьи, во всех примерах мы будем использовать только поиск коинтеграции.

Кратко о «Парном трейдинге»: в основе стратегии лежит предположение, что есть две акции, которые имеют глубокую экономическую связь друг с другом, и их цена движется в одном направлении с разной скоростью. Когда отстает акция А, мы ее покупаем и одновременно продаем в короткую акцию Б. И наоборот.

Используем дневные цены закрытия, отрегулированные на дивиденды и сплиты. Вы можете скачать бесплатную историю дневных цен с Quandl.

Стратегия парного трейдинга очень популярна на рынке. Она основана на чистой статистике, что делает ее привлекательной для алгоритмической торговли. Общий смысл сводится к нескольким шагам: найти пару, проверить ее поведение, определить границы входа в позицию и направление (лонг/шорт).

Пары ищут с помощью корреляции, но корреляция в чистом виде может сослужить плохую службу. Спред пар должен быть стационарным и обладать коинтегрированностью. Весь представленный код на Python.

В статье рассмотрены:

• Введение в корреляцию/коинтеграцию на простом примере.
• Корреляция без коинтеграции.
• Коинтеграция без корреляции. 

Индикатор ATR (Average True Range) показывает среднюю величину изменения цены внутри дня за указанный период. Отлично подходит для выбора уровней стопов. Также индикатор показывает рост волатильности в активе, когда сохраняет высокие значения.

Работаем на Quantopian (см. сюда), код пишем на Python. Проверяем стратегии:

• Как есть.
• Фильтр по SMA200.
• Торговля в двух направлениях.
• Аналог стоп-приказа.
• Фильтр по объему.

Индикатор MACD широко известен среди трейдеров. Мне его сигналы помогают находить развороты и предупреждения о коррекциях. Много написано, как использовать его сигналы для открытия позиций, а мы сегодня рассмотрим прикладное применение в алготрейдинге.

Все будет тестироваться на Quantopian (см. сюда), писать код будем на Python. Рассмотрим следующие стратегии:

• Что надо знать и как не надо делать.
• Как есть: гистограмма, линия MACD, сигнальная.
• Добавим стоп-лосс.
• Торгуем в двух направлениях.
• Отфильтруем боковики и волатильность.

В этот раз «подкрутим» стратегию «купи и держи» с помощью скользящих средних на основе этой статьи. Там говорится, что при входе выше 200-дневной средней и выходе под ней, мы можем получить аналогичную доходность и сократить просадки. Дополнительно появляется возможность припарковать свободный капитал, например, в банк.

Будет приведено несколько алгоритмов:

• пересечение SMA200 и цены;
• пересечение SMA200 и SMA10;
• пересечение SMA200 и SMA50;
• пересечение EMA200 и EMA50;
• пересечение EMA200 и EMA50 плюс покупка облигаций.

В серии следующих постов я расскажу о том, как проводить бэктестинг с помощью Python. Для тестирования торговых стратегий я использую сайт Quantopian. Почему именно его? Потому что он: а) простой и наглядный; б) дает доступ к бесплатным историческим данным; в) имеет богатый функционал. 

Меня, как и многих, заинтересовал шум вокруг IPO компании SnapChat (SNAP). Лично я IPO не люблю, так как там нет достаточной истории цены. Тем не менее я не смог удержаться и не провести небольшое исследование результатов прошедших IPO за 2016 год. Как всегда, со мной Python.

• Посмотрим, какие секторы были наиболее активны и где была лучшая доходность.
• Изучим, стоит ли входить в актив в день IPO или по цене предложения до начала торгов.
• Проверим, как актив растет последующие полгода при входе через месяц после IPO.