Загуглите cdf from z-score, откройте первый попавшийся сайт. Вбиваете мю=0, s=1, а вместо x= подставляете ваш Z-score. В итоге 1-cdf (в примере ниже это 19.77%) — вероятность того, что разница доходностней оказалась положительная случайно. Это очень ГРУБО, так как нифига эта разница доходностей не Гауссово распределение, но для общего понимания сойдет. Если кто-то один год закончил с таким Z-score — с шансами 20% это было случайно.

Скрин для понятности прилагаю

Андрей Коновалов, супер, спасибо огромное! И выдал вот такое вам в ответ, да?

Андрей Коновалов, большое спасибо, ошибку вижу, буду фиксить — я никогда такие разбитые на 2 колонки изображения не встречал еще)

Андрей Коновалов, эх, у меня там в боте распознование изображений на основе машинного обучения и все такое, рассчитанное на скрины из приложения Тинькофф для Андроид/iOS. А вы меня вручную заставляете считать)) у вас вышло 0.85 значение, в целом норм, трактовка в комменте выше.

Ну с вас обратная услуга: проведите тест бота на своем устройтстве — заскриньте доходность любого профиля который вам интересен там и скажите — норм сработало или нет, а лучше прям сюда изображение. Я планирую в общий доступ этого бота выпустить скоро, но бета-тестеры только мои друзья пока)

Андрей Коновалов, понял, ну методика простая: считаете 12 разниц в помесячной доходности между вашей стратегией и индексом полной доходности, затем z-score = среднее (от массива из 12 чисел) / стандартное отклонение (от этого массива) * квадратный корень из 12. Для примера: в январе у вас +5%, у индекса -5%, получается +10. В феврале у вас ЕЩЕ +6% (т.е. в сумме уже 11, тут важно именно изменение за месяц, а не с начала срока!), в индексе еще -3%, получается +9, и т.д. Если у вас есть по дням прям разница — так еще точнее, но тогда нужно будет домножить не на корень из 12, а на корень из числа торговых дней, чтобы получить годовой шарп

Андрей Коновалов, я вижу что у вас Тинькофф брокер, верно? Заскриньте свой профиль доходности там за 2024 год с телефона и отправьте в этот бот: t.me/algomrk_bot

Он сам построит нужный график и все рассчиатет. Ну или напишите имя профиля в пульсе, я сам это могу сделать. Оба варианта актульны только ближайший час: в отпуске, основная машина для рассчетов и бота остановлена, поднял бота временно на ноуте пока чилю, потом не до этого будет :)

Кроме абсолютного значения разницы, важна стабильность разницы доходностей. Вам бы посчитать годовой Z-score (патриоты, молчать!) для разницы доходностей. О чем может сказать последний — значение +1 можно грубо интерпретировать как то, что с вероятностью 16% вы могли закончить год в минусе (относительно индекса). Аналогично, +2 — с вероятностью 2.2% можно было и уйти в минус. 0.5 — с вероятностью 35% можно было уйти в минус. В сухом остатке — хороший инвестор должен не просто обгонять индекс, а желательно еще и стабильно, а не просто выдать один-два удачных месяца в году.

На глаз конечно сложно оценить по вашему графику, но я бы ставил на то что он равен 0.3-0.5 в вашем случае

Sarumyan, а поделитесь ссылкой на тот анализ, не могу найти. Сами аналитики что-то обычно не выкладывают прошлую успешность предсказаний

И хирш у нас почти одинаковый)) если я правильно нагуглил и у тебя спектроскопия

С 1 мая 2024 года ЦБ поднял лимит переводов самому себе через СБП, может пригодится новость.

А если по существу, чем же такой пруф столь ужасен?

Rostislav Kudryashov, ну это уже манипуляции сравнивать индекс неполной доходности без учета дивидендов и цену золота

Владимиров Владимир, Индекс МБ выбран как ограничение по двум соображениям: высокая ликвидность (для маштабируемости в будущем) и меньшие риски манипуляции рынком (есть впечатление, что в остальных акциях слишком большой вклад манипуляций от крупного капитала и всяких блоггеров).

Трейдер (Порутчик), плечи вообще не признак тут, прям совсем. Если бы у меня на стратегии историческая просадка была не около 30%, а около 15% — делал бы то же самое 1в1, но с плечом X2. Это вообще вопрос оценки риска, а не типа торговли

Владимиров Владимир, Может конкретным примером понятнее объясню свой подход. Вот например нашел сигнал типа rank(debt/equity), который ранжирует каждую неделю компании Мосбиржи от -25 до +25. И на истории вижу, что если рынок падает, то компании с высоким ранком падают на условные 5%, а с низким на 25%. Если рынок растет — с высоким ранком растут на 25%, с низким — на 5%. Все, дальше просто постоянно отбираются топовые одна, пять или десять акций с высоким ранком и в них перекладывается весь портфель. Если рынок на длинном горизонте в среднем не меняется или растет — будет хорошая выигрышная стратегия, у которой нет нигде прямого предсказания цен или изменений цен, движения рынка. Совсем по уму чтобы и на падающем зарабатывать, надо в лонг брать N стратегий с высоким ранком и в шорт брать N стратегий с низким ранком. Возможно это мой личный bias во взгляде, но я только так и рассматриваю предсказания рынка.

Rostislav Kudryashov, на эту часть могу ответить: «PS Может ли быть в принципе выигрышная ТС, которая не покупает дешёвое и не продаёт дорогое?
Дешёвое или дорогое сейчас относительно будущего.
Может ли быть прогноз доходности ТС без прогноза цены даже на следующую дискрету-бар?»

Да, может. Например, вы можете покупать дорогое (завтра упадет на 10%) и параллельно продавать (шортить) более дорогое (завтра упадет на 20%). В итоге будет выигрышная ТС, в которой нет прогнозирования цены или ее изменения, а лишь прогнозирование относительный силы акций (сравнительных цен). По моему опыту, такое (групповое, относительное) намного лучше поддается прогнозированию, чем какие-то отдельные прогнозы по инструментам. Поэтому я не особо верю в любой технический анализ который рисуют по отдельно взятым стокам. Но это все мое личное мнение, его можно и игнорировать)

Владимиров Владимир, я мало фокуса на слове ранк в прошлом сообщении уделил. Моя мысль более подробно: изменение цены зависит от изменения рынка в целом + изменений специфичных для отдельной акции. И вот первая часть малопрогнозируемая, а последняя — очень даже (субъективная база, с которой подхожу с этим проблемам лично я). Поэтому я предсказываю не то, вырастет или упадет ли акция, а задача фомулируется как определить какая акция более вероятно вырастет сильнее рынка в случае его роста или упадет меньше рынка в случае его падения, что решает ранжирование доходностей в роли таргетов для предсказания. Но согласен, что вообще любой подход к бирже дело хозяйское и тут нет объективной абсолютной правды.

Valentin Budaev, вы ошибаетесь. Рынок не статичен — да. А вот в будущем стратегия может и не работать (если ее нашел и начал эксплуатировать крупный капитал), может работать с той же эффективностью, а может даже работать еще лучше. Например, если в основе идеи стратегии лежит эксплуатация неэффективности поведения физ лиц на бирже, а доля физ лиц растет с годами, то в таком случае стратегия может даже работать еще лучше. В общем бэктестинг это не просто посмотреть сколько процентов в среднем она дает за X лет, а это огромное поле для тестирования и рассчета статистики. Конечно, честные вероятности и стат тесты там не прокатят из-за малого числа точек, но можно многое понять и оценить что будет с этой стратегией. В целом, если перебрать 100 идей — условно одна случайно будет работать на исторических данных, и вот задача правильного бэктестинга это отсекать такой рандом

RKS_01, хорошему фонду нужны стратегии, которые не коррелируют с сигналами, которые они уже используют. Доходность тут напрямую не причем, и уж про 100%+ читать странно. Даже если доходность будет условные 5-10%, но там просто 0 корреляции с метастратегией фонда, то это может оказаться очень полезным сигналом

Но тут не вижу смысла дальше спорить

Владимиров Владимир, 1. Тинькофф инвестиции доходности профилей рисуют за вычетом комиссии брокера и биржи, а также с вычтенным налогом с дивидендов.

2. Предсказывается ранк доходностей на неделю вперед (изменение цены закрытия на след неделе в процентах) для всех акций из индекса. К предсказанию абсолютных цен и даже направления я скептически отношусь.

Replikant_mih, согласен. Вообще, если говорить именно о ML в финансах (которое вы упомянули в комментах с приглашение в группу), то бэктестинг и feature selection это вообще две ключевые вещи, которые там реально важны. А сами параметры, модели, алгоритмы это все очень вторично. В целом этот вопрос неплохо разбирается в книгах Advances in Financial Machine Learning и Machine Learning for asset managers от Marcos de Prado