Избранное трейдера Дмитрий Власов
Учитывая пожелания институциональных и частных инвесторов и проведя опрос на сайте Кабинет инвестора https://investcab.ru/ru/, 16 ноября 2018 года была расширена линейка ETF доступных в рамках торгово-клиринговой системы Ассоциации «НП РТС». Добавлены в систему наиболее востребованные биржевые фонды:
SPY — является одним из крупнейших и наиболее активно торгуемых ETF в мире, дает доступ к самому востребованному бенчмарку - S&P 500. Этот биржевой фонд заслуженно популярен среди долгосрочных консервативных инвесторов, для которых важно точное следование за индексом, но наибольшую популярность он снискал среди активных трейдеров. Анализ торговли показывает небольшое время нахождения в позиции по этому активу большинства трейдеров в течение дня. SPY – обладает огромной ликвидностью, спреды между покупкой и продажей очень узкие – при большом количестве сделок потери на спреде минимальны.
Перед любым инвестором стоит важный вопрос: сохранить или приумножить? Любые вложения – это риски. Разница лишь в том, насколько вы к ним готовы. Если цель инвестирования – получить доходность выше, чем в банке, и сберечь свои нервы, составляйте консервативный портфель.
В этой статье рассказываем, как сохранить средства, минимизировав потери. Вы узнаете, на что обращать внимание и с помощью каких активов диверсифицировать риски.
Главный совет начинающему инвестору: «Помни о диверсификации!».
Любые инвестиции всегда связаны с рисками, поэтому в первую очередь старайтесь максимально обезопасить личный капитал. Добиться этого можно, составив диверсифицированный портфель.
Диверсифицировать риски — значит распределить инвестиции внутри портфеля в разные рынки, отрасли, инструменты. Цель — максимально снизить их зависимость друг от друга. Зависимость в финансовой теории называется «корреляция». Простыми словами — это то, насколько равно- или разнонаправленно двигаются цены на выбранные активы в зависимости от ситуации на рынках.
Добавили тут на днях в ТСЛаб возможность штатным образом случайные числа получать. В связи с чем возникла идея устроить небольшой стресс тест стратегиям, заменив имеющееся управление позицией выходом по рынку через случайное количество баров.
Я считаю, что то, что принято называть переоптимизацией, кроется как раз в управлении позицией. Если подумать, то в точке входа подгонки не может быть по определению. Ведь задача как раз найти такое соотношение параметров, которое работает в нашу сторону как можно чаще. И чем сильнее будет подгонка под идеальный сетап — тем лучше, тем точнее мы опишем желаемую ситуацию. А вот с выходом всё иначе. Тут уже есть конкретные точки входа и конкретный набор свечей на истории… И вот как раз тут может быть подгонка параметров стопа, тейка, трейлинга и т.п. под эти конкретные ситуации..
Подгонка может быть столь сильной, что за ней вполне может спрятаться полное отсутствие положительного смещения вероятности в точке входа…
Вот мне и стало интересно, что если выход из позиции будет произвольным? Тогда, по идее, значительный перевес положительных исходов может намекать на наличие положительного смещения вероятности в точке входа.
Для эксперимента взял 2 стратегии на Ri. Одна, проверенная девятью месяцами реала и подтвердившая свою профпригодность на сегодняшний день, и другая — простая, состряпанная на скорую руку, стратегия по скользяшкам с максимальным фиттингом (оптимизация точки входа одновременно с трейлингом по широкому диапазону параметров на всей истории за один проход). Везде стоит комиссия 20п.
Итак, изначальная эквити «проверенной» стратегии выглядит так:
Не подумайте плохого в части нормальности, речь пойдет не о психиатрии, а об известном в теории вероятностей нормальном распределении
А точнее даже не о нем самом, а об известной центральной предельной теореме (ЦПТ) применительно к ценам. Что такое центральная предельная теорема в ее классическом виде?
Пусть нам дана некоторая сумма большого числа случайных величин Х=х1+…+хN где каждое слагаемое имеет конечную и ненулевую дисперсию (как мы увидим далее в приложении к ценам это условие выполняется). Человечество давно еще с 18 века (Муавр и Лаплас) заинтересовал вопрос распределения случайной величины Х или хотя бы его более-менее точного приближения.
Не будем слишком строги в определениях всяких сходимостей и их скоростей, а сформулируем классическую ЦПТ в виде интуитивно понятного, но нестрогого термина «близости». Так вот, если xi – независимы (кто хочет может посмотреть строгое определение независимости, а для менее пытливых скажу только, что корреляция двух независимых случайных величин с конечными дисперсиями – нуль, хотя и обратное не верно), то распределение Х при достаточно больших N практически не отличается от нормального распределения со средним А и дисперсией D, где А – сумма средних x
Добрый день! Эта история о том, как я работал с продуктом S# — S#.Data, также известной как Гидра.
Идея была таковой: обеспечить автоматическую загрузку и обновление исторических данных (минутные свечи) с Финама по сотне акций и двум десяткам фьючерсов. Решено было реализовать эту идею с помощью источника «Финам» и задачи «Экспорт (авто)». С первых минут работы с сим шедевром стало ясно, что придётся помучиться. Первым делом загрузил все инструменты, доступные Гидре (с трудом, ибо Гидра начала бунтовать, пришлось перезапустить эту программу), после добавил примерно сотню акций и около двадцати фьючерсов, настроил кое-как источник и задачу, установил начальную дату для загрузки историй.