Для начала, все таки, немного зауми.

1. Об опционах рекомендую почитать книгу — А.Н.Балабушкин Опционы и фьючерсы. Кратко, сжато, все по делу и без воды. Много хорошей математики. В общем, математику можно пропустить, нужно уловить только общий смысл — о чем эта математика.
2. На сайте eLearning есть 6-7 бесплатных лекций Твардовского — просто, ясно, доступно. Он хорошо и интересно излагает. Смотрел лет 10 назад, 2 раза. Очень рекомендую.

Теперь непосредственно об опционных стратегиях.
Простейшей стратегией является — покупка опциона. Если цена базового актива (БА) растет или будет расти — покупаем опцион CALL вне денег, в нескольких страйках (лучше не более 4-5) от центрального. Если БА падает, аналогично покупаем опцион PUT. Больше стоимости опциона при его покупке вы никак не проиграете (хотя, теперь уж и не знаю )). ГО опциона равно его стоимости, и об этом можно не беспокоится.

Теперь более сложная стратегия для совсем ленивых. Если вы считаете, что актив будет хорошо расти или падать, на центральном страйке покупаем CALL и PUT — такая позиция называется Стрэддл. Теперь, куда бы не пошла цена БА, мы будем в выигрыше. Однако, если цена за пару дней никуда существенно не сдвинется, мы проиграем из за уменьшения внутренней стоимости опциона. Это называется временной распад.
Позиция Стрэддл хороша тем, что думать вообще ни о чем не надо, однако, она, пожалуй, очень, даже слишком, дорогая, и, далеко не самая хорошая за такие-то деньги.) Вообще, начинающим в позиции типа Стрэддлы лучше не лезть.

Пожалуй наилучшей позицией в опционах является Стрэнгл. Суть его в том, что мы покупаем опцион CALL вне денег в нескольких страйках от центрального (тоже желательно не более 4-5), и примерно симметрично ему покупаем опцион PUT. Теперь, как и в случае со Стрэддлом, куда бы цена не пошла, мы получаем прибыль. Такая позиция гораздо дешевле Стреддла, и у нее есть масса других преимуществ, но это уже ближе к зауми.
Ну, и недостатки у Стрэнгла аналогичны Стрэддлу — если цена 2-3 дней никуда существенно не пойдет, мы опять получим убытки от временного распада.
Кроме того, Стрэнгл сложнее конструировать, чем Стрэддл, для которого вообще думать не надо.
В опционах есть такой параметр — Дельта, это скорость изменения цены опциона от изменения цена БА
       Дельта = (Изменение стоимости опциона)/(Изменение стоимости БА)
Т.е., на сколько рублей изменится стоимость опциона, при изменении стоимости БА на 1 рубль. От страйка к страйку эта скорость меняется, и при приближении нашего опциона к центральному страйку и переходе опциона в деньги она будет возрастать.
Дельта транслируется в Quik, и ее можно добавить в таблицу опционов.
При выборе Стрэнгла желательно, чтобы параметры Дельта для опционов CALL и PUT были равны или близки друг к другу. Можно купить несколько опционов CALL и PUT в разных страйках, чтобы суммы их Дельт были примерно равны для CALL и PUT. Если же вы считаете, что актив скорее пойдет, например вверх, то Дельту для CALL можно выбрать и побольше, чем для PUT. И наоборот, в случае уменьшения стоимости БА.
Графически позиция Стрэнгл выглядит так:

( Читать дальше )

Компаний – море, даже на бирже СПб их почти тысяча. Из них — сотни вполне приличных и достойных внимания. Очевидно, что старое доброе неспешное чтение годовых отчетов в нынешних реалиях не подходит.

Представлю свой алгоритм, как анализировать зарубежные эмитенты, чтобы за короткое время охватить наиболее важный пласт финансовой информации и тем самым составить первичное впечатление о компании, включить ее в свой шорт-лист для последующего более глубокого анализа и возможных инвестиций в нее.  Алгоритм сложился путем проб и ошибок в течение последних 3-х лет.

Итак. Рассмотрим пошаговый анализ одного из эмитентов, торгующихся на Санкт-Петербургской бирже, компанию Elanco Animal Health Incorporated (ELAN).

Первым шагом будет поиск сводной информации о компании на одном из сайтов-агрегаторов. На мой взгляд, finviz здесь вне конкуренции. По тикеру получаем информацию о компании, о секторе, где она работает, ссылку на официальный сайт и последние новости об эмитенте. Не помешает поискать в открытых источниках информацию о ней для общего представления.

( Читать дальше )

Тем, кто не читал предыдущий топик этой темы, рекомендую для начала ознакомиться с ним [1].

В комментариях к предыдущему топику меня критиковали за неоптимальность кода Python. Однако, текст читают люди с совершенно разной подготовкой — от почти не знающих Python или знающих другие языки программирования, до продвинутых пользователей. Последние легко могут обнаружить неоптимальность кода и заменить его своим. Тем не менее, код должен быть доступен и новичкам, возможно не обладающим знанием пакетов и продвинутых методов. Поэтому, в коде я буду, по возможности, использовать только базовые конструкции Python, не требующие глубоких знаний, и которые могут легко читаться людьми, программирующими на других языках. Вместе с тем, по мере изложения, без фанатизма, буду вводить и новые элементы Python.
Если вы хотите как-то улучшить или оптимизировать код, приводите его в комментариях — это только расширит и улучшит изложенный материал.

Ну, а сейчас мы займемся разработкой и тестированием индикаторов. Для начала нам нужна простейшая стратегия с использованием МА — его и построим. Самой лучшей по характеристикам МА является ЕМА. Формула ЕМА:

( Читать дальше )

Вот уже как скоро 70 лет пройдет, как Гарри Марковиц явил миру математическую модель оценки инвестиционного портфеля. После того, как она завоевала популярность среди портфельных менеджеров, в 1990 он получил Нобелевскую премию за вклад в экономику. Чрезвычайная популярность модели стала возможной благодаря увеличению мощности компьютеров, позволяющих за короткое время математически обработать огромный массив данных и выдать оптимальный результат.
 
С тех пор, как любой оператор ЭВМ смог управлять инвестиционным портфелем, произошла девальвация профессии инвестиционного менеджера. Однако, прежде чем делать скоропалительные выводы, стоит убедиться на практике — является ли математическая оптимизация Граалем будущей эффективности портфеля и может быть зря в инвестиционном сообществе таких управляющих свысока именуют Квантами .

Как бы там ни было, но Марковиц смог наглядно показать, как выбор активов с наименьшей корреляцией мог существенно изменить параметры риска и доходности одного и того же по составу портфеля, в зависимости от его структуры. Согласно модели Марковица, из бесчисленного множества комбинаций можно создать портфель — единственный под инвестиционный профиль клиента, и он лежит на эффективной границе множества всех возможных портфелей.

( Читать дальше )

Продолжаю потихоньку добавлять новые акции для анализа в портфель и наконец добрался до 100 штук. Собираюсь включить все акции с дневным оборотом более 1% от величины портфеля (осталось примерно 25 штук), после чего заняться ETF. Чем больше акций, тем больше обучающих примеров для тренировки градиентного бустинга и сетей — сейчас около 180 тысяч, а в перспективе их количество увеличится до 250-300 тысяч.

Потихоньку продолжаю заниматься сетями. Раньше жаловался, что они обучаются существенно медленней градиентного бустинга, но после профайлинга оказалось, что тормозит не обучение, а подготовка и загрузка данных. Переписал код — в результате сети стали учатся быстрее градиентного бустинга.

Плюсом сетей является возможность реализации множества выходов — на данный момент экспериментирую с прогнозированием доходности одновременно с СКО по аналогии с GluonTS.

Для поиска гиперпараметров для градиентного бустинга использую байесовскую оптимизацию с помощью hyperopt. Для сетей решил попробовать

( Читать дальше )

Самый первый фильтр — это DY (Дивидендная Доходность)

Если эмитент платит дивы, сравнимые с ключевой ставкой или выше её, то от этого портфельному спекулянту двойная польза:

1 — это позитивный сигнал, говорящий о том, что эмитент хорошо относится к миноритариям

2 — у портфельного спекулянта благодаря дивам появляется денежный поток, который он может использовать по своему усмотрению

( Читать дальше )

Начинающие (да и не только) инвесторы часто задаются вопросом о том, как отобрать для себя идеальное соотношение активов входящих в портфель. Часто (или не очень, но знаю про двух точно) у некоторых брокеров эту функцию выполняет торговый робот. Но заложенные в них алгоритмы не раскрываются.

В этом посте будет рассмотрено то, как оптимизировать портфель при помощи Python и симуляции Монте Карло. Под оптимизацией портфеля понимается такое соотношение весов, которое будет удовлетворять одному из условий:

• Портфель с минимальным уровнем риском при желаемой доходности;
• Портфель с максимальной доходностью при установленном риске;
• Портфель с максимальным значением доходности

Для расчета возьмем девять акций, которые рекомендовал торговый робот одного из брокеров на начало января 2020 года и так же он устанавливал по ним оптимальные веса в портфеле: 'ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM' и 'PKI'. Для анализа будет взяты данные по акциям за последние три года.

#Загружаем библиотеки

import pandas as pd
import yfinance as yf
import numpy as np
import matplotlib.pyplot as plt

# Получаем данные по акциям
ticker = ['ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM', 'PKI']

stock = yf.download(ticker,'2017-01-01', '2019-01-31')

( Читать дальше )

Интересует именно способ как-то похачить сайт Финама, iss moex, yahoo.finance, etc. не предлагать

Всем доброго дня!

В текущих условиях короноэкономической ситуации, когда из-за изоляции полностью проседает вся экономика (снижение потребления, и как следствие производства, ведет к снижению доходов населения, занятого практически во всех сферах) – возникает вопрос: «А где же собственно сейчас безопасно держать свои финансы?» В каких инструментах или коммодити?

Озадачился я этим вопросом неспроста. Я работаю на хорошей позиции в крупной российской нефтяной компании. Путем жесткого учета расходов — все необходимые затраты на жизнь моей семьи составляют порядка 1/3 от моих доходов или порядка 1/4 от общесемейного бюджета. Ранее, естественно, никогда не возникало вопроса куда девать «остающееся».

У меня два основных брокера – Сбербанк (ИИС под дивидендные акции, брокерский счет под облигации, ETF и дивидендные спекуляции) и ВТБ (высокодоходные облигации). Помимо этого, я занимаюсь краудлендингом, то есть «даю деньги в долг частникам» на платформах Ozon.Invest (заемщики только из числа продавцов на Озоне, до 18% процентов годовых) и Сберкредо (заемщики как правило ИП, прошедшие скоринг, но видимо малонадежные, потому что до 34 процентов годовых). Разумеется, есть существенный объем кэша на экстренный случай, некоторое количество инвестиционных золотых монет (Победоносец, ММД) и несколько лет назад я начал покупать антикварные книги. Есть пара майнеров на шумоизолированном балконе, которые добывают свои 10-12 долларов в день и некоторый объем биткоинов на защищенном криптокошельке Ledger.

( Читать дальше )

Здравствуйте!

Вопрос к тем кто работает с Quik+OptionFVV анализатором опционов.
Вчера немного оптимизировал квик, удалил файлы info.log и частично почистил папку WNDSAV.
Теперь при выводе данных через DDEServer на анализатор OptionFVV лезет ошибка

https://www.screencast.com/t/ZJlbXkSEVc9

Есть опыт у кого либо в данной проблеме? брокер Алор