Использовать ATR для адаптации торгового алгоритма к моментальному изменению рынка нецелесообразно!

Это легко доказать, если вникнуть в формулу расчёта индикатора. Как и большинство других индикаторов и осцилляторов он анализирует массив прошлых значений, а значит имеет эффект запаздывания.

Единственным параметром индикатора является период – чем он выше, тем сильнее сглаживание, а значит текущие всплески волатильности будут несильно влиять на расчётный результат.

Попытки применения

Нередко вижу ролики и посты алготрейдеров, пытающихся впихнуть этот индюк в параметры торговой системы.

Например, при использовании сеточных роботов они пытаются увязать текущий шаг сетки со значением ATR и ожидаемо терпят крах этой затеи.

Почему?

1. Вспоминаем про запаздывание индикатора на длинном периоде – если произошёл импульс цены и робот набрал убыточную позицию, он увеличит расстояние между ордерами в целях защиты капитала лишь спустя какое-то время, когда это уже не будет иметь никакого смысла.

( Читать дальше )

Перед тем как вы погрузитесь в изучение статьи, обратите внимание на тот факт что всё упомянутое в ней не является финансовой рекомендацией для принятие более взвешенного решения просьба провести свое собственное исследование.

---

Это те токены, которые на самом деле приносят прибыль и не обременены предстоящими разблокировками.

Хотя нарратив и настроение, безусловно, играют огромную роль в краткосрочных колебаниях цен на токены, в этом цикле акценты, похоже, смещаются обратно к фундаментальным показателям.

Консенсус сложился вокруг того факта, что потенциал для многих из самых разрекламированных выпусков токенов был захвачен давно, когда венчурные капиталисты заключили свои сделки с правами на токены. Это нарастающее разочарование, с множеством токенов, выходящих на рынок с FDV выше $10 млрд, стало движущей силой роста мемкоинов в этом цикле. Хотя мемкоины могут иметь ценность только до тех пор, пока они привлекают внимание, по крайней мере, у них нет множества токенов, спрятанных для дампа на рынок в будущем.

( Читать дальше )

📈Астра +7.1% Коммерсант сообщает, что ВК, Ростелеком, МТС и Росатом могут быть заинтересованы в покупке Астры. Все компании от комментариев отказались.
Кроме того, 02.04.2024 Астра опубликует отчётность за 2023 и проведёт День инвестора🧐

📉Новатэк -3.6% В лидерах снижения на фоне дивидендной отсечки в 44,09 рублей (див. дох 3.2%). На данный момент падение больше размера дивиденда🤔

📉Газпром -0.5% Я очень хорошо помню, какой был массовый позитив по поводу покупки Новатэком «Сахалин-2». Забавно сейчас наблюдать, какой массовый негатив вокруг покупки «Сахалин-2» Газпромом😁

📈IMOEX +0.1% Мосбиржа рассматривает варианты организации круглосуточных торговых сессий😳

📈RGBI +0.1% RGBI Прекратил падение, котировки стоят на одном месте у 4-й день подряд. Инвесторы решили взять паузу, а в телеграм каналах всё чаще можно встретить предложения «покупать длинные ОФЗ»🤔

📈НМТП +2.2% СД рассмотрит вопрос о выплате дивидендов за 2023 г. в II квартале этого года. 
Выручка НМТП за 2023 год по РСБУ выросла на 18% до 29,15 млрд руб., чистая прибыль выросла на 7% до 29,35 млрд рублей💪

📈Ростелеком +1.1% СД будет рекомендовать акционерам выплату дивидендов по итогам 2023 года🤑

📈Полиметалл +1.3% Виталий Несис дал интервью агентству «Интерфакс-Казахстан», в котором прояснил ряд вопросов для инвесторов. 
Например он заявил, что дивидендная политика,  решение по дивидендам за 2023 год и решение по дивидендам в связи со сделкой, будут объявлены в мае🤑

📈SOFL +4.1% Софтлайн объявил отбор ИТ-компаний для потенциальной покупки. Кроме того, 1 апреля компания опубликует финансовую отчетность за 2023г🧐

📉FIVE -0.1% Член правления X5 Фрэнк Лейст продал свою долю в акционерном капитале компании, сумма сделки составила $420 тыс🤔 

📈ПИК +1.1% Интересная новость для застройщиков, которая прошла практически незамеченной 👉 Сбер отменяет требование о субсидировании льготных ипотечных программ для ряда застройщиков.
С 28 марта отменяется комиссия, если жилье покупает зарплатный клиент банка
С 4 апреля отменяется комиссия для тех, кто находится на проектном финансировании Сбера😳

Простые финансовые модели для прогнозирования цен акций.

Существует множество моделей, которыми пользуются финансовые аналитики для оценки компаний, в них вы должны: дисконтировать денежные потоки,  искать бета коэффициенты,  рассчитывать коэффициенты для различных рисков,  в общем, заниматься больше «астральной» деятельностью, чем аналитической.  Сам же я склоняюсь к тому, что чем проще финансовая модель, тем лучше она может быть понята и применена. Простые модели имеют меньше возможности для ошибок и позволяют быстро получить результаты. Они также более прозрачны и могут быть более легко объяснены заинтересованным сторонам, таким как инвесторы.

В данной статье я хочу продемонстрировать несколько простейших финансовых моделей, которыми я активно пользуюсь для определения справедливой цены бумаги, с которыми разберется даже первоклассник. После прочтения вы сможете сами прогнозировать справедливые цены бумаг и совершать прибыльные сделки.

Для начала мы научимся определять справедливую цену компании из добывающей отрасли(майнеры). Добывающие компании самые простые для анализа, по сути, они просто копают землю и продают полезные ископаемые, которые в ней залегают.

( Читать дальше )

Поделюсь рабочей стратегией, часто ее использую.
Суть: если сегодня акция растет на 50-100% или выше на высокий обьемах, то завтра она сольется до уровня поддержки.
Условия:
1) день 1: рост 50-100% 
2) цена акции не более 8$
3) устойчивые обьемы более 1 млн в 5 минут
4) задирается в конце дня, т.е. закрытие на близких к максимуму уровнях
5) день 2: если есть спайк — то повышается шанс на слив
6) вход на открытии рынка
7) выход на уровне поддержки

Сегодняшний шорт, как пример: $NOTE



Вопросы?

Товарищи, помогите пожалуйста разобраться почему TWS и TOS строят совершенно разные профили на одинаковые комбинации? Ниже пример JPM короткая бабочка 162.5/167.5/172.5 JAN 21 профиль на 19 января, делал одновременно, цена акции одинаковая:

TOS




TWS


( Читать дальше )

Есть у меня подозрения, что ничего мне тут не напишете), но вдруг где-нибудь в комментариях засияет лампочка интересной идеи.


О чем речь: если натягивать ML на рынок можно задачу для ML модели/моделей сводить к разным формам. Форма в данном случае — это условно ответы на вопросы — что есть единичный объект данных (например, одна свеча), что есть признаковое описание, что есть цель.


Самые очевидный в лоб target — цена, приращение цены, направление приращения цены, т.е. регрессия, регрессия, бинарная классификация. Уверен, что можно придумать, много других интересных шаблонов, где не свеча объект не приращение таргет и т.д. Немного пофантазировал, но чутка сложно — видимо, усиленной умственной деятельностью в этом направлении уже загнал мозг в колею, выбраться — небанальная задача.

Дай, думаю, погуглю что-нить. Половина статей — прогнозируют цену — это по-моему вообще ни в какие ворота, любой трейдер скажет, что это бред. Рисуют график OOS, где фактическая цена прет вверх, а предикт цены вообще своей жизнью живет и чем дальше горизонт тем он больше своей жизнью живет. 

( Читать дальше )

С проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

1. О данных

Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.

Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from google.colab import files
import warnings
warnings.filterwarnings("ignore")

Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.

def changeDF(df):
  df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True)
  name =[x for x in globals() if globals()[x] is df][0]
  df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1)
  df = df.set_index(['date'])
  df.columns = [name+'_cl', name + '_vol']
  return df

fxgd_change = changeDF(fxgd)
fxrl_change = changeDF(fxrl)
fxit_change = changeDF(fxit)
fxus_change = changeDF(fxus)
fxru_change = changeDF(fxru)
fxcn_change = changeDF(fxcn)

etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1)

etf.head()

В результате получили:

( Читать дальше )

Это исследование я сделал под влиянием бурной дискуссии на форуме  о распределении «хвостов» приращений логарифмов цен, возникшей, казалось, на «пустом месте»: насколько корректны доверительные интервалы для оценок параметров линейной регрессии в альфа-бета модели?

Кроме указанной ссылки, дискуссия продолжилась в еще двух ветках: тут и тут.

Действительно, эти оценки в классическом случае строятся на основе центральной предельной теоремы для статистик оценок параметров линейной регрессии. Однако, как я уже писал на смартлабе, необходимым условием которой является скорость роста дисперсии суммы слагаемых как О(N), N – число слагаемых, а для быстрой сходимости в центральной области еще и требуется конечность абсолютного третьего момента любого слагаемого (если говорить о сходимости на всей прямой, включая «большие уклонения»,  то еще требуется  и конечность всех моментов отдельных слагаемых). Однако эти условия не выполняются для части распределений Парето и Стьюдента с полиномиальной скоростью убывания «хвостов» и поэтому для «хорошего» приближения суммы таких слагаемых нормальным законом требуется очень большое число испытаний, которых, как правило, в альфа-бета модели, построенной на дневных данных, нет. А значит традиционные методы построения доверительных интервалов для оценок параметров этой модели «не работают».

( Читать дальше )

Симптом — Причина — Лечение

В чём эти ошибочные решения проявляются, в чём их причина и как лечить. Не претендует на истину в последней инстанции. Но можете использовать в качестве основы для собственного чек-листа проверки вашей торговли. В некоторых моментах данная таблица во многом пересекается с моей авторской статьей Ошибки трейдера. Типичные для многих. Рекомендую также ознакомиться с ней.

№	Симптом	Причина	Лечение
1	Невозможность закрыть прибыльную позицию	Нет чётких правил на конкретном тайм-фрейме	Разграничить уровни взятия профитов по сигналу разных тайм-фреймов.
2	Слишком много сделок	Сделки не по системе, боязнь пропустить движение, ранние входы	Торгуем только конкретные торговые сигналы в намеченных до начала торгов точках рынка. Установить жесткий лимит по количеству сделок в день. Перейти на старший тайм-фрейм для определения точек входа.

( Читать дальше )