Всем привет.

Продолжаем повышать опционную грамотность смартлаба, сегодня поговорим об очень интересной опционной стратегии под кодовым названием «Альбатрос».

Забегая вперёд, сразу скажу, ее обожают торговать хедж-фонды, потому что она «бесплатная», но при этом может принести не плохую прибыль.

Напомню, что к бесплатным опционным стратегиям относят всего лишь две: Диапазонный форвард (он же Коллар) и Альбатрос.

Диапазонный форвард — это продажа пута и покупка колла, то есть, если мы ожидаем движение БА вверх и хотели бы купить коллы, чтобы собрать это движение всё до копеечки, то продавая путы ниже ЦС, мы покупку коллов сделаем бесплатной. Чаще всего к использованию данной стратегии прибегают крупные банки и инвестиционные компании, они любят на халяву покататься в опционах. 

Вот так выглядит диапазонный форвард:




Что за птица такая Альбатрос?

Очень красивая птичка, нужно признать:

( Читать дальше )

                На просторах смартлаба есть статьи, упоминающие стратегию The Wheel Strategy. Но сильного отклика и интереса эта стратегия к сожалению, не получила. Постараюсь в данной заметке раскрыть эту тему более подробно и с конкретными примерами.

                The Wheel Strategy достаточно интересная и мощная опционная стратегия.  Широко используется на западных рынках. Вход в стратегию начинается с продажи пута. Далее пут экспирируется во фьючерс, либо нет. Если пут не экспирировался, то начинаем снова с продажи пута. В любом случае мы получаем премию пута. Если получили фьючерс, то продаём стреддл, то есть мы имеем покрытый колл и проданный пут. Все операции по продажи путов и колов в данном примере для простоты приведены на одном страйке. Если рынок пойдет вверх мы получаем в результате три премии и можем начать стратегию заново. Если вниз, то получаем два фьючерса, и три премии, но мы сейчас либо в нуле либо в минусе. Соответственно далее продаем ещё 2кола. Если рынок пойдет вверх, получем пять премий, если рынок пошел вниз, то опять продаем два кола.

( Читать дальше )

Всем привет!





Примерно полмесяца назад в сеть сам автор курса Саро Микаелян выгрузил на ютуб канал ранее платный обучающий материал,
но ныне теперь в свободном доступе по ссылке (плей лист ютуб — https://www.youtube.com/watch?v=nH9IH3dcaXI&list=PLkOKzEcOo_g9v6vAMHMGn-8ezVpdM5j-e&index=15)

( Читать дальше )

Ребята, рад всем сообщить! Мы запустили свое торговое ядро AE и даем всем доступ к торговле опционами на биток в Option-lab на виртуальном счете!
Так сейчас выглядит ликвидность опционы и фьючерс на BTC USD

Торговое ядро AE работает и в выходные, круглосуточно ( 24/7 ) что удобно для обучения торговли опционами и изучения функционала Option-lab. Наш фьючерс на биткоин котируется на основании индекса на спреды биткоина ведущих крипто площадок мира, что обеспечивает его актуальную цену все время.
видео инструкция как получить виртуальный торговый счет и начать создавать свои опционные стратегии и торговать


( Читать дальше )

( Читать дальше )

Вначале о грустном. Не понимая теорию нейросетей (НС) у вас вряд ли получится построить на ней ТС. Поэтому лучше для начала почитать теорию, например, Хайкин Саймон. «Нейронные сети. Полный курс». Книга уже достаточно старая и в ней нет новомодных веяний, но она дает базовые представления о НС.

И второе, мы будем далее для построения систем использовать пакет scikit-learn для Python. рекомендую ознакомиться. Есть и более продвинутые пакеты, скажем, TensorFlow и др., но их использовать мы не будем, и ограничимся более простым scikit-learn.
Теперь о том, чего здесь не будет. Здесь не будет теории НС, разве эпизодически и оч кратко. Здесь не будет описания пакетов Python, работы с графикой и пр. Обо всем этом вы можете прочесть в интернете, книгах, и документации Python.
В топике мы будем обсуждать только применение НС к ТС и их построению.
Так как тема достаточно велика, в один топик не влезет, сегодня мы займемся самыми общими вопросами. Следующая часть будет недели через две, раньше не получается.

( Читать дальше )

Используя простые модели волатильности, рассчитанные по ценам закрытия (Close-to-Close vol.) мы неизбежно сталкиваемся с рыночным шумом, смещающим наши оценки далеко её от истинного или асимптотического значения.  Мы могли бы измерять волатильность как-то иначе, например по модели Паркинсона (High-to-Low 1980), но столкнулись бы с той же проблемой. 



 

1.1 — Close to Close log-volatility estimation





( Читать дальше )

( Читать дальше )

Всем привет.

В тот раз мы разобрались с темой нормального распределения, а сегодня попытаемся для себя разобраться с новой темой, еще более интересной. Она очень важная, поэтому будет много текста из книги Натенберга.

Насколько обосновано наше предположение, что цены базового актива распределены нормально? Даже если не касаться самой возможности существования какого-либо строгого распределения цен в реальной жизни, то можно утверждать, что у допущения о нормальном распределении есть один серьезный недостаток. Кривая нормального распределения симметрична. Если принимается допущение о нормальном распределении, то мы, предположив возможность повышательного изменения цены БА, обязаны предположить возможность такого же понижательного изменения. Если мы допускаем возможность повышения цены РИ при прайсе 70 000 пунктов на 80 000 пунктов вверх до 150 000, то должны допустить также и возможность падения до -10 000 пунктов. Поскольку РИ это не WTI и цены не могут уйти в отрицательную зону, становится очевидным, что допущение о нормальном распределении не вполне корректно. Как устранить этот недостаток?

( Читать дальше )

На TradingView нужно открыть COVID19:CONFIRMED, скрыть текущий график и применить скрипт.

//@version=4
study("COVID19 HISTOGRAM", overlay=true)
confirmed_prev = security("COVID19:CONFIRMED", "D", close[1])
confirmed = security("COVID19:CONFIRMED", "D", close)
deaths_prev = security("COVID19:DEATHS", "D", close[1])
deaths = security("COVID19:DEATHS", "D", close)
recovered_prev = security("COVID19:RECOVERED", "D", close[1])
recovered = security("COVID19:RECOVERED", "D", close)
c = confirmed_prev ? confirmed - confirmed_prev : confirmed
r = recovered_prev ? recovered - recovered_prev : recovered
d = deaths_prev ? deaths - deaths_prev : deaths
plot(c, color=color.blue, style=plot.style_columns)
plot(r, color=color.green, style=plot.style_columns)
plot(d, color=color.red, style=plot.style_columns)

Синие — подтверждены.
Зелёные — вылечены.
Красные — умерли.