Наконец-то попалось что-то вразумительное по торговли с использованием VWAP. В заголовке нет типичной надписи «Грааль» ибо его не существует. Но как по мне, так очень годная штука. Ниже перевод, оригинал здесь. 


Вступление

Существует очень мало достойных источников о VWAP. Я видел много видеороликов на YouTube и постов на форумах о VWAP, но ни один из них реально не переходил в практической стороне: как использовать его на бирже. Поэтому я попытаюсь изложить тему средневзвешенной цены в несложном удобоваримом формате из нескольких частей.

Моя цель состоит в том, чтобы донести некоторые настройки VWAP, которые вы можете продолжать изучать самостоятельно. Однако эти настройки — не волшебная палочка и не серебряная пуля. Эти настройки не перевернут ваши торги в одночасье, но проявив немного терпения и проведя множество дополнительных исследований, Вы сможете успешно добавить VWAP в качестве еще одного инструмента своего торгового арсенала.

( Читать дальше )

( Читать дальше )

Мы знаем, что при приближении к центральному страйку, по мере увеличения страйка Дельта для опциона CALL растет. Дельта — это зависимость скорости изменения цены опциона от изменения цены фьючерса Delta = dCo/dCf. Производная, как бы. И че-то, большинство, уверовав в это, стремятся купить опционы поближе к центральному страйку.
Давайте по простому посмотрим эффективность этого действа исходя из наших затрат на позицию. Для этого возьмем отношение Дельты в страйке к теоретической стоимости опциона — получим зависимость скорости роста опциона на рубль затат на позицию. Смотрим рисунок:

Показано отношение Дельты для Call к цене опциона 18.06.20 для фьючекса на индекс RTC. Центральный страйк — 117500, цена БА -116080.
Ну, и где на рубль затрат скорость больше. Угу, там, где опционы дешевле. Т.е., купив дешевых опционов на ту-же сумму, что и ближе к центральному страйку, мы получаем большую скорость и большую прибыль.  Для опционов PUT все тоже самое.

( Читать дальше )

Уже неоднократно писал о своем опционном софте в Excel. И, чтобы не быть голословным, привожу картинку листа Excel c софтом. Очень мелко, но иначе все не влезает. Но и это еще не все, оно на 2-х листах. На втором конструктор опционных позиций.


На листе все строится-перестраивается автоматом, или по нажатию кнопок — они тоже на листе. Слева вверху доска опционов, экспорт из терминала по DDE. В софте много VBA.
Это шаблон на оч старом фьюче, и надо просто скопировать лист, и поместить туда новую доску опционов. Не показал потому, что там полный бардак, как и на любом рабочем столе.)
Не правда ли, это выглядит не хуже любого готового опционного софта?

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 )

Для моделирование ТС на Python, прежде всего нужен сам Python. Pythonы бывают очень разные.

Самый большой и длинный Python — Anaconda (https://anaconda.org/). Скачать дистрибутив Anaconda можно здесь — Индивидуальное издание -https://www.anaconda.com/products/individual.
Я работаю именно с Anaconda. Установив Anaconda мы получаем сам Python, уже установленные значительную часть нужных и ненужных пакетов с библиотеками Python, и несколько сред разработки. И все это сразу готово к работе, и нам, по большей части, уже не придется дополнительно устанавливать пакеты и среды.

Самый маленький Python последней версии 3.8.2. скачивается с сайта самого Python — https://www.python.org/. Это, практически, только сам язык, компилятор и минимальный набор пакетов. Сделать с ним практически ничего невозможно, и для работы придется постоянно устанавливать нужные пакеты. Среду разработки придется также устанавливать самостоятельно.
Этот Python больше подходит для запуска и работы с уже отлаженными законченными программами.

( Читать дальше )

В новой подборке годноты решил сделать упор на образовательные/научные источники. Именно пища для мозга, а не игра в танки или покемонов (ну разок можно), лучший отдых и переключение, а заодно и мальчишеская радость от новых знаний о мире и структуре вещей.

 

А теперь самые годные ресурсы на любой научный вкус (паблики|каналы|сайты):

1) arzamas.academy + их паблик ( vk.com/arzamas.academy) + канал на ютубе (http://vk.cc/5otCcP).
Если говорить вкратце, то Арзамас это видео-учебник по истории, в котором курсы ведут не унылые совковые пни с гнусавым голосом без какого-либо желания обучать, а реально годные специалисты и профессора, вскрывающие архивы цру с бабкиных антресолей ради необычной лекции на тему, о которой по сути больше негде прочитать. Причем всё это сделано с отличным монтажом, прививающим чувство прекрасного через шрифты и плавный моушн-дизайн, а сами лекции проходят в минималистичной лофт-студии.

( Читать дальше )

Пока весь смартлаб орет о ставках/нефти/рубле/улюкаеве/горепрогнозистах/подливных гуру и тд — я подготовил, как мне кажется, норм постецкий. Вашему вниманию тщательно сцеженная, рассортированная по тематикам мякотка для работы, учебы и отдыха в нашей общей интернет-помойке: 


Сайты и приложухи для трейдинга:
finviz.com  — это божественно! Бэнчмарк всех фин сайтов по интерфейсу и удобству навигации, множество плюшек отбора акции для домашки, и визуальной подачи инфы. Бесит, что календарь только для амеров и на текущую неделю.

forexpf.ru  — 1 год назад этот сайт лежал когда на него ринулась каждая домохозяйка отслеживать курс рубля. Нормальный ресурсоёмкий сайт, чтобы попырому прочекать нефтянку, голду или бакс.

freestockcharts.com  — если вдруг упал tradingview.com.

( 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 )