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 )

Всем! Привет!
; р))
Как происходит круговорот вещей в природе?
Да очень просто.
Ребёнок купил себе новый игровой компьютер, 
а старый притащил мне. 
(Ну а куда же его ещё девать?; р))
В принципе мой старичок квик вполне ещё таскает,
но восемь ядер, есть восемь ядер и начал я заливать 
на диск свои архивы. Чтобы были под рукой.
А там папка «K-I-N-O».
Могли бы Вы пройти мимо в выходной день?
Я не смог.
И там с эпохи плохого интернета лежат мои любимые фильмы о трейдинге.
Кто их не видел, срочно смотрите, получите проф.кайф без потери собственных денег.
А кто не смотрел, порекомендуйте неофитам Ваш любимый фильм.
И Ваш Ангел поставит Вам плюсик в Ваше же кармическое резюме.
; п))

Построение нестандартных графиков в Python при помощи библиотеки finplot.
Можно строить почти любые нестандартные графики: Range, Renco, Delta.
В качестве примера скрипт для построения Дельта графика.
График строиться с момента запуска по поступающим данным из таблицы обезличенных сделок.
Для получения данных из КВИКа используется PythonServer Евгения Шибаева (огромное спасибо автору!!!)

Тапками не кидайтесь, программировать только учусь.

# В КВИКе запускаем луа-скрипт QuikLuaPython.lua
import socket
import threading
from datetime import datetime, timezone
import pandas as pd
import finplot as fplt

fplt.display_timezone = timezone.utc


class DeltaBar():
    def __init__(self):
        self.df = pd.DataFrame(columns='date_time open high low close delta delta_time_sec'.split(' '))
        self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0]

    def parser(self, parse):
        if parse[0] == '1' and parse[1] == 'RIH1':
            if abs(self.df.iloc[len(self.df) - 1]['delta']) >= 500:
                self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0]  # Добавляем строку в DF

            self.df.iloc[len(self.df) - 1]['close'] = float(parse[4])  # Записываем последнюю цену как цену close бара

            if self.df.iloc[len(self.df) - 1]['date_time'] == 0:
                self.df.iloc[len(self.df) - 1]['date_time'] = \
                    datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f").replace(microsecond=0)

            if self.df.iloc[len(self.df) - 1]['open'] == 0:
                self.df.iloc[len(self.df) - 1]['open'] = float(parse[4])

            if float(parse[4]) > self.df.iloc[len(self.df) - 1]['high']:
                self.df.iloc[len(self.df) - 1]['high'] = float(parse[4])

            if (float(parse[4]) < self.df.iloc[len(self.df) - 1]['low']) or \
                    (self.df.iloc[len(self.df) - 1]['low'] == 0):
                self.df.iloc[len(self.df) - 1]['low'] = float(parse[4])

            if parse[5] == '1026':
                self.df.iloc[len(self.df) - 1]['delta'] += float(parse[6])

            if parse[5] == '1025':
                self.df.iloc[len(self.df) - 1]['delta'] -= float(parse[6])

            self.df.iloc[len(self.df) - 1]['delta_time_sec'] = \
                datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f") - \
                self.df.iloc[len(self.df) - 1]['date_time']
            self.df.iloc[len(self.df) - 1]['delta_time_sec'] = self.df.iloc[len(self.df) - 1]['delta_time_sec'].seconds


def service():
    sock = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
    sock.bind(('127.0.0.1', 3587))  # Хост-этот компьютер, порт - 3587
    while True:
        res = sock.recv(2048).decode('utf-8')
        if res == '<qstp>\n':  # строка приходит от клиента при остановке луа-скрипта в КВИКе
            break
        else:
            delta_bar.parser(res.split(' '))  # Здесь вызываете свой парсер. Для примера функция: parser (parse)
    sock.close()


def update():

    df = delta_bar.df
    # Меняем индекс и делаем его типом datetime
    df = df.set_index(pd.to_datetime(df['date_time'], format='%Y-%m-%d %H:%M:%S'))
    # print(delta_bar.df)

    # pick columns for our three data sources: candlesticks and TD
    candlesticks = df['open close high low'.split()]
    volumes = df['open close delta_time_sec'.split()]
    if not plots:
        # first time we create the plots
        global ax
        plots.append(fplt.candlestick_ochl(candlesticks))
        plots.append(fplt.volume_ocv(volumes, ax=ax.overlay()))
    else:
        # every time after we just update the data sources on each plot
        plots[0].update_data(candlesticks)
        plots[1].update_data(volumes)


if __name__ == '__main__':
    delta_bar = DeltaBar()
    # Запускаем сервер в своем потоке
    t = threading.Thread(name='service', target=service)
    t.start()

    plots = []
    ax = fplt.create_plot('RIH1', init_zoom_periods=100, maximize=False)
    update()
    fplt.timer_callback(update, 2.0)  # update (using synchronous rest call) every N seconds

    fplt.show()

Многие жалуются, что подорожали квартиры и в стране высокая инфляция. Вместо этого нужно посмотреть на цифры, и порадоваться, потому что инфляция обесценивает ипотеку до такой степени, что вы можете получить квартиру в ипотеку дешевле ее текущей рыночной цены.

Рассмотрим пример. Покупаем квартиру в Москве стоимостью 12 млн. руб., с первоначальным взносом 2 млн. руб. В кредит берем 10 млн. руб. на 20 лет по ставкам 8% и 10% годовых. Рассмотрим 2 базовых сценария, в которых в следующие 20 лет инфляция в России составит 10% и 5% годовых. И вот что получается.

( Читать дальше )

Всех приветствую!

Решил коротко подвести итоги по прошедшему году. Фактическая доходность составила +129,5%. Максимальная просадка пришлась на декабрь 23,9%. Результат хороший, однако «руки нужно связывать». В четвертом квартале дважды вмешался в торговлю ботов. Для оценки потерь построил еще две теоретические эквити.

Первое вмешательство.
21 октября принял решение реинвестировать весь накопившийся доход за текущий год. Увеличил риски в два раза в одижании продолжения высокой волотильности. Однако ноябрь и декабрь оказались не лучшими месяцами для моего портфеля на Si. Теоретическая доходность без реинвестирования составила бы +141,3%, максимальная просадка 15,1%.

Второе вмешательство.
3 ноября боты набрали большую шортовую позицию, которую я решил не переносить через выходные в связи с выборами в штатах. Посчитал, что реация рубля может быть негативной (непредсказуемой). Застраховался от гэпа вверх, плечо было большое. На гэпе 5 ноября недозаработал около 7%. Теоретическая доходность без ручных вмешательств составила бы +156,7%, максимальная просадка 9,4%.

Естественно, расстроен. В дальнейшем реинвестировать накопленный доход планирую частями на текущих просадках. Ну а, ручные вмешательства в открытые позиции ботов не обсуждается). «Рынки движутся на гэпах» — записал на подкорке.
Доходность за 3 года с учетом реинвестирования составила 458,4%. Реинвестирование осуществлялось трижды: в начале 2019 года, в начале и в конце 2020 года.

( Читать дальше )

Наш горячо любимый  ЦБ несколько месяцев назад открыл обсуждение на тему цифрового рубля.
Все  детали:
cbr.ru/StaticHtml/File/112957/Consultation_Paper_201013.pdf
cbr.ru/analytics/d_ok/dig_ruble/

Сразу можно сказать никакой  криптой  не пахнет, но вероятно какое то подобие блокчейн будет реализовано.
предполагается одновременное хождение наличных, безналичных, и цифровых рублей.

Но мы все конечно же понимаем  что лет так  через 5-10 вполне вероятно останется  только цифровая форма  рубля.

Цифровой рубль будет эмитироваться центральным банком (Банком России) в цифровой форме.
Цифровой рубль будет иметь форму уникального цифрового кода, который будет храниться на специальном электронном кошельке.
Передача цифрового рубля от одного пользователя к другому будет происходить в виде перемещения цифрового кода с одного электронного кошелька на другой.
С одной стороны, цифровой рубль сходен с банкнотами, так как он имеет уникальный цифровой код (так же как банкнота имеет серию и номер) и эмитируется центральным банком, поэтому цифровые деньги центрального банка иногда называют «цифровыми наличными». Продолжая аналогию с наличными – должна быть возможность использования цифрового рубля в офлайн-режиме, то есть при отсутствии доступа к сети Интернет и мобильной связи. 

( Читать дальше )

Ну, не знаю...
Подарить, что ли, основы построения Грааля страждущим на Новый Год?

Душа болит за рыцарей, бьющихся с бездной… Э-хе-хе....

Ладно. Поехали...

1. Котировки должны приниматься с интервалами времени, удовлетворяющими распределению Эрланга.
Вы должны быть уверены, что поток событий на рынке имеет последействие определенного порядка. Сие есть «память» рынка.
Это -  основная парадигма построения граальной ТС. Без достижения этой цели, Вы обречены бороться с рынком как с СБ, математически победить которое очень сложно. Но, можно. Это есть — Относительное Время Системы.

2. Ваша модель должна быть вероятностной.
Это означает, что Вы должны быть готовы как к победам, так и к поражениям. Однако, вероятность победы (получения профита) должна быть выше вероятности поражения. Если для СБ достаточно теоретически доказанных 66% вероятности возвращения к среднему, то эта вероятность должна быть максимально преобразована в деньги.

( Читать дальше )

Всем здоровья и бодрого расположения духа!
В статье «Визуализация рекомендаций Романа Андреева на Python» мы разобрали как можно с помощью нескольких строк кода на Питоне разобрать текст, который выкладывает каждое утро в своем блоге Роман Андреев (далее по тексту Роман) — известный трейдер и блогер (или наоборот), и отобразить эти рекомендации в виде уровней и зон на графиках. В этом топике я покажу способ для извлечения информации из графических изображений с помощью технологий компьютерного зрения (но без использования нейронных сетей) на примере таблиц-рекомендаций из блога Романа Андреева.

Надеюсь, что я не напугал читателей термином «компьютер вижн», скоро вы поймете, что это просто. И что любой юный прогер может написать код для распознавания внешними камерами номеров автомобилей, который впоследствии возненавидят все автолюбители мегаполисов, а МАДИ и ГИБДД будут собирать со всех нас миллиардные штрафы

( Читать дальше )

У меня инженерные мозги. Это помогает, с одной стороны. С другой — я чувствую пробелы в гуманитарных знаниях. В данный момент нахожусь в поисках ответов на важные вопросы. Интересуюсь мнением более умудренных опытом коллег-инвесторов.

Александр Силаев, фото — соцсети

Мы беседуем с Александром Силаевым, частным инвестором, трейдером и бывшим преподавателем философии. Александр написал трилогию книг: «Деньги без дураков», «Философия без дураков»,

( Читать дальше )