Избранное трейдера Планктон Обыкновенный
Пока все обсуждают, как вернуть экономику России от многолетнего застоя к росту, российский фондовый рынок ведет себя так, как будто делать ничего не надо – все и так уже наладилось. В начале ноября индекс Мосбиржи (MOEX, ранее MICEX) установил новый исторический рекорд, превысив 3000 пунктов.
Весь 2019 год этот индекс устанавливал рекорд за рекордом, давая поводы для оптимистичных заключений о состоянии российского фондового рынка, перспектив инвестиций в российские ценные бумаги и вообще будущего экономики России. И правда, как может быть туманным будущее экономики страны, где фондовый индекс растет практически свечой на протяжении пяти лет?
Умелые брокеры, чья прибыль напрямую зависит от количества проданных ценных бумаг, разработали подробную аргументацию, чтобы агитировать своих клиентов увеличивать позиции в российских акциях. Их объяснение обычно сводится примерно к следующим утверждениям.
= = = = =
18+. Людям с неподготовленной психикой и склонностью к анальному жжению не рекомендуется чтение данного текста.
= = = = =
Рекомендуемое чтение:
Скам как основная стратегия в маркетинге, консалтинге и вообще в бизнесе
«Скучные не продают». Быть трусливым унылым говном дорого и невыгодно.
«Солидная Компания» как диагноз для директора или владельца бизнеса
Забью последний гвоздь в крышку гроба автовладельцев.
Вы живете не в глуши? У вас нет 5 детей? И вы до сих пор владеете машиной? У меня плохая новость. Вы как минимум недальновидный человек. И это мягко сказано.
Продавайте немедленно! Попробую аргументировать.Я постоянно натыкаюсь на статьи про сравнение своей машины и такси. Люди. перестаньте это делать!
Везде и по всем каналам рассказывают нам сказку под названием трейдинг.
Давайте смотрим на реальный мир.
Возьмем фонд Renaissance, которого недавно обсудили тут. По заявлениям он зарабатывает не много больше 50% в год. В год, а не в месяц. И этот результат считается выдающим. У них там куча научных деятелей, математиков, программистов, у них есть связи, информация, деньги, ресурсы, люди, опыт, но они зарабатывают всего-то 50% в год.
Таких фондов в мире единицы. Вот посмотрите, портфели самых известных и выдающих людей на рынке (https://www.gurufocus.com/guru/portfolio). Они зарабатывают всего-то около 10% годовых, а ведь они не глупые люди.
А вы хорошо оцениваете ситуацию и Ваши сили? Вы действительно надеетесь получать 30% в месяц, а то и больше?
Секрет трейдинга в том что там нет прибыльных комбинаций действий. Неважно чем торгуете, на что смотрите, какие сигналы отследите, наколько верно психологически настроены. Итог всегда случайно. Иногда везет, но обычно нет.
Резюме: Силы природы требуют рецессии. Политические силы делают всё, чтобы избежать спада.
Поговорим об экономике и потенциале ее роста.
Возьмем Китай для примера. Китай рос темпами выше 8-14% с 1991 по 2012 год. Это реальные темпы роста. Если бы Китай рос так 100 лет, то его ВВП увеличился бы в 13 780 раз. Даже если Китай дальше будет расти по 3% в год, его ВВП вырастет в 20. Эти цифры выглядят нереально, а значит и темп роста 3% нереалистичный. Но представим, что действительно темп 3% сохранится. Как это возможно? За счет чего теоретически так можно вырасти?
Например, увеличить население Китая еще в 2 раза. Плюс повысить уровень жизни в 3 раза. Получили 6. Повысить производительность труда в 2 раза. Получили 12. Захватить и застроить половину Евразии и Африку. Получили 20+. Однако если какой-то из этих вариантов кажется вам нереальным, это означает, что Китаю придется расти меньше.
Но важно понимать, что работоспособное население может и уменьшаться, может уменьшаться и производительность труда вслед за падением инвестиций. И уровень жизни тоже может снизиться. Можно конечно вырасти, но если вы забрались высоко в кредит, то можно и упасть. А если торговая война, развязанная США, сработает, это будет означать, что производительность труда упадет вместе с падением экспорта, а вслед за ним может упасть и уровень жизни. Бесконечно расти невозможно, рано или поздно наступает потолок роста, — причина — ограниченная территория и ресурсы земли.
Мой бездоказательный (гипотетический) тезис состоит в том, что Китай уже вырос больше, чем должен был в естественных условиях рынка. А те темпы которые мы видим сейчас, поддерживаются государством искусственно, за счет “насильственного” кредитования. Это в свою очередь рано или поздно должно плохо кончиться. Но Китай я использую здесь лишь как пример. Двинемся дальше.
Мой тезис также состоит в том, что весь мир в целом уперся в потолок роста, поэтому темпы роста экономики замедляются несмотря на все потуги властей.
Когда экономика упирается в «потолок», то эффективность традиционных инструментов ее поддержки (бюджетная и монетарная политика) снижается или вовсе пропадает. Политики слишком увлеклись стимулированием, забывая про то, что кризис — это естественное природное явление, которое расчищает дорогу для дальнейшего роста. Если вы делаете всё, чтобы избежать кризиса, то получите потолок роста. Как мы видим, все потуги ФРС по стимулированию де-факто привели к:
Так как насчет практического применения ML? Как вообще это выглядит?!
А выглядит это так, что 80% времени data scientist тратит на работу с данными, чтобы потом загнав их в модельку мобильно получить прогноз. Вообще, предполагалось что такой мощный инструмент как нейросети сможет работать с сырыми данными, то есть загонишь в нейросеть обычную котировку, а дальше могучие нейроны похимичат, сгенерируют кучу фичей и найдут нужную их комбинацию (на самом деле никаких фичей нейросети на создают, но можно представить). Ну вот например такое явление как большой ГЭП, важный показатель? Еще какой! В сырых данных он содержится, то есть можно помечтать что если мы создадим очень сложную нейросеть, то она сможет вытащить это значение самостоятельно. Что такое ГЭП нейросеть конечно не знает, но путем манипуляций с весами она найдет, что когда меняется циферка в дате то образовавшийся большой разрыв в цене имеет большое влияние для хорошей аппроксимации.
Мечты, мечты. Пока все что я видел в результате скармливания нейросети сырах данных-это слезы, боль и убожество. В общем мы пойдет другим путем. Мы не будет скармливать модели сырятину и мусор, мы постараемся кормить его качественно чтобы удои увеличивались и все такое.
Есть такое понятие как в ML как feature engenering. Наверно единственное более менее креативное что остается человеку в этом бездушном мире машинного обучения. А уж коли мы ведем речь о RF, то сам бог велел заняться этим, RF знаете ли не нейросети, там даже теоретически сырятина в данных не приветствуется. Вот этим мы и займемся.
Откуда же нам взять эти фичи и главное как? Тут каждому воля вольная. Например можно сдув пыль с WealthLab использовать старичка как генератора фичей. Кто не знает в него вшито около полусотни известных индексов и еще столько же, но с неизвестным кодом. А еще можно запрограммировать свои фичи. По своему «знанию и разумению», своих «знаний и разумений» я накопил много, но почти все они из разряда «все эти технические индикаторы не стоят ничего». Зато кое что из своего показали свою небезнадежность. В общем на первый случай я сгенерировал около 17 своих фичей, затем ранжировал их для каждой стоки, итого 34 фичи. Стоки брал из числа 20 самых ликвидных отечественных фишек с 2010 года по март 2018, что дало 50 тысяч дневных наблюдений. Прямо сказать не густо, но что есть. Тем более речь идет о демонстрации силушки RF.
Вот набор моих фичей:
Week 49303 non-null int64 GEP 49303 non-null float64 Min10 49303 non-null float64 Cl/High 49303 non-null float64 Cl/Low 49303 non-null float64 Cl/w_High 49303 non-null float64 Cl/w_Low 49303 non-null float64 wdif 49303 non-null float64 dif 49303 non-null float64 Vol20/Vol200 49303 non-null float64 tHigh% 49303 non-null float64 tLow% 49303 non-null float64 tHigh%-tLow% 49303 non-null float64 Cl/SMA21 49303 non-null float64 Cl/SMA5 49303 non-null float64 SMA5-SMA21 49303 non-null float64 Cl/(minSMA) 49303 non-null float64 Cl/(maxSMA) 49303 non-null float64 l_Min10 49303 non-null int64 s_Min10 49303 non-null int64 l_gep 49303 non-null int64 s_gep 49303 non-null int64 l_cl/high 49303 non-null int64 s_cl/high 49303 non-null int64 l_cl/low 49303 non-null int64 s_cl/low 49303 non-null int64 l_wdif 49303 non-null int64 s_wdif 49303 non-null int64 l_SMA5-SMA21 49303 non-null int64 S_SMA5-SMA21 49303 non-null int64 L_Cl/(maxSMA) 49303 non-null int64 S_Cl/(maxSMA) 49303 non-null int64 L-tHigh%-tLow% 49303 non-null int64 S_tHigh%-tLow% 49303 non-null int64