Еще одна статья с ресурса www.talaikis.com по разработке простой стратегии на модели Маркова с использованием Python.

Модель скрытых состояний Маркова — это производительная, вероятностная модель, в которой последовательность наблюдаемых переменных генерируется некоторыми неизвестными (скрытыми) состояниями. Мы попытаемся найти такие неизвестные вероятностные функции для, скажем, S&P500. Все опишем кратко, без проверок на ошибки, без тестов вне выборки и т.д. Мы делаем это для того, чтобы минимизировать склонность к ненужному усложнению для начинающих. (Подробнее о модели Маркова см. на моем сайте — www.quantalgos.ru)

Что будем использовать:

библиотеку Python - hmmlearn.

1. Данные. Возьмем данные по свечам (OHLC), включающие объем, из нашей базы 

( Читать дальше )

Ссылки для скачивания:
1-я часть
2-я часть
3-я часть
4-я часть
5-я часть
6-я часть
7-я часть
8-я часть

Полный список текстов:

> list.files(«E:/syst/lib»)
[1] "_algo_ algotrading.pdf"
[2] "_algo_ IntroductionToAlgorithmicTradingStrategies.pdf"
[3] "_algo_ stan.pdf"
[4] "_bayes_ applied bayesian modelling.pdf"
[5] "_bayes_ bajesovskie seti… logiko-veroyatnostnyj podxod.djvu"
[6] "_bayes_ bayesian statistical modelling.pdf"
[7] "_bayes_ BayesNets.pdf"
[8] "_bayes_ байесовские методы маш обуч.pdf"
[9] "_bayes_ введение в методы байесовского статистического вывода.djvu"
[10] "_caus_ Application of adaptive nonlinear Granger causality.pdf"
[11] "_caus_ Causalities of the Taiwan Stock Market.pdf"
[12] "_caus_ granger causality — theory and applicts.pdf"
[13] "_caus_ grangercausality.pdf"
[14] "_caus_ sugihara-causality-science.pdf"
[15] "_caus_ Причинный анализ в статистических исследованиях.djvu"
[16] "_change_ adaptive filtering and change detection.djvu"
[17] "_change_ detection of abrupt changes.pdf"
[18] "_change_ Efficient Multivariate Analysis of Change Points.pdf"
[19] "_change_ nikiforov_i_v_posledovatelnoe_obnaruzhenie_izmeneniya_svoist.djvu"
[20] "_change_ zhiglyavskii_a_a_kraskovskii_a_e_obnaruzhenie_razladki_sluch.djvu"
[21] "_change_ адаптивный метод обнаружения нарушений закономерностей по наблюдениям.pdf"
[22] "_change_ Момент разладки Чернова.pdf"
[23] "_change_ обнаружение изменения свойств сигналов и динамических систем.djvu"
[24] "_change_ обнаружение моментов разладки случайной последовательности.pdf"
[25] "_change_ обнаружение нарушений закономерностей по наблюдениям при наличии помех.pdf"

( Читать дальше )

Большой Дивидендный сезон 2016 года закончен. Все эмитенты, кроме СлавнефтьЯНОС и Мегион приняли на ГОСА решения о выплате или не выплате дивидендов по итогам 2015 года и многие даже их выплатили.
Но расслабляться не стоит.
Из года в год есть эмитенты, которые выплачивают промежуточные дивиденды.

Для того, чтобы было легче ориентироваться, какие эмитенты могут выплатить промежуточные дивиденды выкладываю табличку промежуточных дивидендов за 2015 год

Напомню, что ряд эмитентов уже утвердил дивиденды за 1 квартал 2016 года. Это
НЛМК 1,13 рубля
Северсталь 8,25 рубля
НМТП 0,0519216 рубля
МегаФон 8,06 рубля
Россети ао 0,00831813 рубля
Россети ап 0,07452614 рубля

СД эмитентов начинают давать дальнейшие рекомендации по промежуточным дивидендам 2016 года.
Так, уже известны дивиденды ФосАгро 63 рубля из НЧП. Отсечка Т+2 8 августа 2016г.

( Читать дальше )

До окончания Большого Дивидендного сезона 2016 года осталось 3 недели.
Соответственно, дивидендные таблички я разбила по ежененедельному принципу согласно Т+2.
дивидендов." title="Дивиденды 2016 и планы промежуточных дивидендов." />




Все  прошедшие на прошлой  неделе ГОСА утвердили дивиденды, если они были предложены СД.  Таких грустных событий, как в Иркутскэнерго, ДЗРД ап и Селигдар ап не было.
Этот большой дивидендный сезон идёт к концу. Уже все СД,  которые предполагали вынести на рассмотрение ГОСА дивиденды их обьявили. Поэтому в табличке больше нет бежевых строчек.
Но расслабляться не стоит. 
Нас ждут ещё 3 недели отсечек и затем мы плавно вливаемся в процесс выплат промежуточных дивидендов. 
Ряд дивитикеров уже обьявили дивиденды за 1 квартал. И некоторые их уже даже утвердили. Это НЛМК 1,33 рубля на акцию, МегаФон 8,06 рубля, Северсталь 8,25 рубля.
И процесс обьявлений и выплат промежуточных дивидендов продолжается.
В прессе появились сообщения о выплате промежуточных дивидендов совершенно неожиданными для меня эмитентами

( Читать дальше )

( Читать дальше )

Тут меня недавно упрекали в том, что я только критикую перебор 50тысяч индикаторных систем а сам ничего не пишу. 
Хотели — получите

Любая система начинается с идеи, а не наоборот — соберем всего побольше а потом что нибудь да найдется.
Идея всегда содержит в себе какой нибудь явление или физический смысл или хотя бы математическую модель. 

Рассмотрим явление, которое имеет место каждый день, на любой бирже, на любом инструменте. 
Определенное число участников рынка торгует по индикаторам или пробоям уровней. По каким именно индикаторам нам знать не нужно. 
Но «каждый школьник знает» что в точках, где входит большинство участников — рынок получает ускорение в какую нибудь сторону. 
Как найти эти точки?
Для начала определим тайм фрейм. В свое время на смарт-лабе болтались опросы — какой фрейм используете? Очень много голосов отдано 1ч фрейму.  Зная фрейм начинаем исследования. 
Строим в экселе распределение обьемов внутри часа. Усредненно это будет гистограмма вида W, где видно, что максимальные обьемы проходят в начале и конце часа. Чуть меньше — на отметке 30 мин. Есть так же всплески на 15 и 45 минутах. Вывод — все входят в конце часа и начале следуюшего. После того как сработали их сигналы на 1ч таймфрейме. Мувинги скрестились, за уровнем закрылись — это нам не важно. 

( Читать дальше )

Порядок действий

1. Формируем в квике таблицу всех сделок со следующими параметрами



Фильтром отбираем нужные инструменты.

2. Скачиваем из Интернета свободно распространяемый DDE сервер от Морошкина с прилагаемыми dll.
3. В соответствующих местах кода заменяем код на вот этот

using System;
using System.Collections.Generic;
using System.Linq;
using System.IO;
using System.Text;
using System.Timers;
using System.Threading;
using XlDde;

namespace ConsoleApplication2
{
class Program
{
const string service = «myDDE»;
const string candleSPOT = «SPOT»;

static void Main(string[] args)
{

using (XlDdeServer server = new XlDdeServer(service))
{

server.AddChannel(candleSPOT, new SPOTChannel());
server.Register();

Console.WriteLine(«DDE server ready. Press Enter to exit.\n\n»);
Console.ReadLine();
}

}
}

// **********************************************************************
// * Классы DDE каналов с обработчиками данных *
// **********************************************************************

class SPOTChannel: XlDdeChannel
{
//static int time2 = 1000;
static int em = 7;
static int m = 1200;
static int[] NM = new int[em];
static int NMM = 0;
static int LastMinute = 0;
static int mm = 1638400;
static double[] Price_trade = new double[mm];
string[] EM_trade = new string[mm];
static int[] Time_trade_I = new int[mm];
static int[] Volume_trade = new int[mm];
static int[,] Time = new int[em,m];
static double[,] O = new double[em,m];
static double[,] H = new double[em,m];
static double[,] L = new double[em,m];
static double[,] C = new double[em,m];
static double[,] V = new double[em,m];

protected override void ProcessTable(XlTable xt)
{

//int time3 = 1000;
int[] nach = new int[em];
int nach1 = 0;
int i = 0;
int j = 0;
int s = 0;
int curHour = 0;
int curMin = 0;
int curDay = 0;
int curSec = 0;
int curDay_1 = 0;
string name;
string[] bf;
string[] EM = new string[em];
DateTime moment;
string[] Time_trade = new string[mm];

( Читать дальше )

Создаем портфель ИИС из высоко дивидендных бумаг!
Цель, использовать сумму дивидендов +возврат НДФЛ
Дивиденды выводим на карту банка


Это виртуальный портфель, может кому и пригодится!

Классический расчет α управления осуществляется через линейную регрессию:


ΔS_t=βΔB_t+α+ε_t,

где ΔS_t  — приращение счета в %, «очищенное» от вводов-выводов (для фондов — приращение стоимости «пая» или акций фонда),
ΔB_t   — приращение бенчмарка в %,
ε_t — ошибка линейной регрессии.

Как видите, «лучше бенчмарка» на росте или на падении ничего не говорит нам о знаке α. Потому что быть лучше бенчмарка на росте можно за счет β>1 даже с отрицательной альфой, а на падении — за счет β<1. И только одновременный «обыгрыш» бенчмарка и на росте и на падении приведет к тому, что α, рассчитанная по всему периоду будет положительна. Более того, α может быть положительна и при проигрыше бенчмарку на росте и только при проигрыше бенчмарку на падении она с большой вероятностью будет отрицательна.

Но все, кто хоть раз считал α и β, прекрасно знают, что они нестационарны по времени и их значения, вычисляемые, например, по 100 тактам, временами сильно отличаются от результатов расчетов на всей истории. Но это хоть можно наглядно отследить, построив «альфа-бета карту» относительно бенчмарка. Вот, например, 100-дневная «альфа-бета карта» для нашего расчетного портфеля, ранее называвшегося «Суперриск»:


относительно бенчмарка, определенного здесь (аналог рублевого buy&hold на фьючерсе, только рассчитываемый по значениям самого индекса)



( Читать дальше )