С проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

1. О данных

Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.

Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from google.colab import files
import warnings
warnings.filterwarnings("ignore")

Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.

def changeDF(df):
  df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True)
  name =[x for x in globals() if globals()[x] is df][0]
  df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1)
  df = df.set_index(['date'])
  df.columns = [name+'_cl', name + '_vol']
  return df

fxgd_change = changeDF(fxgd)
fxrl_change = changeDF(fxrl)
fxit_change = changeDF(fxit)
fxus_change = changeDF(fxus)
fxru_change = changeDF(fxru)
fxcn_change = changeDF(fxcn)

etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1)

etf.head()

В результате получили:

( Читать дальше )

Ура, наконец демо-версия готова!

ВАЖНО! Те, кто уже скачал архив в день размещения топика, перекачайте — он исправлен! Ссылка обновлена.

Для тех, кто пропустил:
— https://smart-lab.ru/blog/697641.php  немного картинок
— https://smart-lab.ru/blog/700079.php  видео работы скрипта

Итак, еще раз, что такое SmartMap? Это срез стакана, который остается на графике в виде меток, что позволяет нам видеть когда и где были крупные скопления, как они отрабатывались ценой, и где они есть сейчас. Дополнительно отображается общая ситуация по стакану в виде совокупного количества бидов и асков.





Достаточно популярная вещь у иностранцев, присутствует в большинстве импортных терминалов под названиями BookMap/HeatMap. Однако везде имеется мощный недостаток — при изменении ТФ или любого параметра, сформированный на графике рисунок «следов» исчезает. Почему? Потому что история стакана не сохраняется. Наша разработка лишена этого минуса. Меняете ли вы тайм-фрейм, какую-то настройку отображения скрипта — неважно, метки на графике остаются. Скрипт собирает историю с момента включения Квика. Все что от вас требуется — открытый стакан по инструменту.

( Читать дальше )

Поиск интересных и выгодных среднесрочных закономерностей/тем для заработка является одним из хороших вариантов заработка на бирже.

Под среднесроком я имею ввиду не неделю, месяц или квартал, а интервал от 6 месяцев до 2 лет.

После кризиса 2014 года – рост USD/RUB с 30 до 80 появилась одна из таких тем для заработка. Обратил внимание, что по Si и Brent платят хорошие премии. По Si премия составляла от 1,80 до 1,50 рубля в квартал. По Brent премия составляла от 0,6 до 1,0 $ в месяц.

Соответственно, продавая оба контракта мы среднесрочно забираем обе премии.

Фактически получилось, что торговал от шорта по нефти за рубли (UKOIL*USDRUB).

3 варианта развития событий.

1. Если нефть падает в цене – получаем прибыль.

2. Если UKOIL*USDRUB торгуется без изменений – получаем прибыль за счет премий.

3. Если нефть медленно растет – получаем безубыток, если нефть быстро растет – получаем убыток.

Теория вероятности на нашей стороне – в 2х случаях из 3х получаем прибыль.

( Читать дальше )

Привет, в этот раз будет общий пост про полезные источники в сети, где можно бесплатно взять данные, примеры кода и другие полезные вещи.

Более направленные подборки по идеям можно посмотреть здесь https://smart-lab.ru/blog/628709.php, а по книгам здесь https://smart-lab.ru/blog/681121.php

Биржевые данные:

Биржевые:

• https://www.quandl.com Quandl. Простой и адекватный API для Python, много бесплатных данных по отдельным биржам. Например, по Гонконгской и Варшавской бирже. Есть данные по сырьевым фьючерсам и другому сырью. Экономическая статистика и альтернативные данные тоже есть в бесплатном варианте. В отличие от других сайтов с котировками и графиками – здесь промышленная выгрузка для исследований;
• https://stooq.com Stooq. Неожиданно богатый бесплатным контентом локальный сайт (Польша). Большая часть не представляет интереса и можно сразу перейти к большим (для бесплатных) выборкам биржевых данных по США, некоторым европейским и азиатским странам

( Читать дальше )

Никогда особо не интересовался сеточниками. Поверхностно знаю что это такое, но не более.
Я торгую по старинке. Нахожу локальные минмаксы, беру в них позу целиком, если вошел неудачно — закрываюсь в окрестностях нуля, если удачно — беру прибыль со всей позиции. В общем, метод проб и ошибок, где ошибки, в среднем, ни прибыли, ни убытков не дают, но если уж попадем, то возьмем все и сразу.)
Пробовал моделировать набор позиции, постепенно ее наращивая и/или постепенно уменьшая. Риски, конечно, меньше, мороки и расчетов с множественными входами/выходами больше, а, прибыль при той же конечной позиции, сильно меньше. Цимеса в этом не увидел, и завязал с этим делом.
Насколько я себе представляю, сеточные стратегии секрета не представляют. Потому хотелось бы насколько это возможно разобраться в таких стратегиях.
Судя по сегодняшнему посту о ТС bohemian rhapsody, с сеточниками все не так плохо, как мне представлялось.
Вот, кстати график, приведенный bohemian rhapsody:

Чтоб я чего понял. Или вообще это не сеточник, и я что-то путаю. Но, вроде, написали, что сеточник.)
В общем, если можете, помогите разобраться. Ну, а разберусь, попробую на модели посмотреть.

Знакомый из БКС прислал то, что предпочел скрыть bohemian rhapsody
Торговля сеткой на Si-6.21 с шагом 100 пп и усреднением (это то, что составляет основную прибыль) + кое что еще (по мелочи и для отвода глаз -  легенда о КС, которую он пиарит приносит ему какие-то копейки, на порядки меньше его дневной прибыли)
Это сделки bohemian rhapsody за 15 апреля, которые он выложил ранее в своем посте. Вы сами можете посмотреть и убедиться, если обладаете достаточно подробной маркет-датой.

 

Акции с высокой дивидендной доходностью часто являются отличной инвестиционной стратегией для инвесторов, стремящихся получать приток денежных средств каждый год. В данной статье буден создан скрипт на Python для отбора их на бирже NASDAQ.

Что такое дивидендная доходность?

Возьму определение из Википедии. Дивиде́ндная дохо́дность (англ. dividend yield) — это отношение величины годового дивиденда на акцию к цене акции. Данная величина выражается чаще всего в процентах.

Пример

При цене акции ОАО «Лукойл» 1124,37 рублей и дивиденде 28 рублей на акцию дивидендная доходность будет равна:

Так же необходимо обратить внимание, что многие растущие компании, такие как для примера Amazon и Yandex, не выплачивают дивиденды, поскольку они реинвестируют всю прибыль в развитие бизнеса. Поэтому дивидендная доходность для этих фирм будет равна нулю.

Расчет дивидендной доходности с помощью Python



( Читать дальше )

Здравствуйте. Уже достаточно давно я интересуюсь машинным обучением для инвестиций в акции и разработал систему, которая позволяет выбирать наиболее перспективные активы. Система, на длительном сроке, стабильно и значительно превосходит рынок, показывая среднюю доходность за последние 15 лет более 35% годовых в €, с просадкой, сопоставимой с рыночной (доходность может быть и больше, в зависимости от количества акций в портфеле и стратегии фиксации прибыли и убытков). Прогнозы публикуются на smart-lab с октября, в реальном времени, проект называется Investington. В этой статье описаны основные принципы стратегии. Сразу оговорюсь, что я не экономист, а инженер, поэтому и описывать буду именно техническую составляющую модели. 

Идеей было сделать систему, которая позволяет автоматизировать выбор акций в портфель, сократить потраченное на это время, а также избежать человеческого фактора при принятии решения. Для начала нужно было придумать некий концепт, и я начал бродить по сайтам типа Yahoo, смотреть на графики котировок и изучать показатели предприятий. В процессе поиска мой интерес привлекла компания Renault. В то время я работал у их прямого конкурента и знал, что дела у них идут прекрасно – они утягивали у нас специалистов одного за одним. Но при этом, их акции постоянно падали. Как выяснилось, из-за глобальных факторов – рынки перестраивались, некоторые производители испытывали трудности, особенно в Азии, и случился громкий скандал с их директором, которого вывозили в рояле из Японской тюрьмы. В итоге их акции упали со 100€ до 50€, хотя компания работала нормально. Посмотрев на графики, я решил, что котировки должны вернутся на прежние уровни, то есть с доходностью 100%, в горизонте 3-4 лет (25%/год). Решено было эту идею формализовать :

( Читать дальше )

Поскольку в предыдущих темах даются ссылки на законы, не имеющие номеров и которые еще не приняты, нашел ФЗ № 39 о рынке ценных бумаг, который и регламентирует эту деятельность. 
Начнем с того, что нужно для того, чтобы стать квалом:
Глава 2. Требования, которым должно соответствовать лицо для признания его квалифицированным инвестором

 Указание Банка России от 29.04.2015 N 3629-У «О признании лиц квалифицированными инвесторами и порядке ведения реестра лиц, признанных квалифицированными инвесторами» (Зарегистрировано в Минюсте России 28.05.2015 N 37415)

Глава 2. Требования, которым должно соответствовать лицо для признания его квалифицированным инвестором

2.1. Физическое лицо может быть признано квалифицированным инвестором, если оно отвечает любому из следующих требований.

2.1.1. Общая стоимость ценных бумаг, которыми владеет это лицо, и (или) общий размер обязательств из договоров, являющихся производными финансовыми инструментами и заключенных за счет этого лица, рассчитанные в порядке, предусмотренном пунктом 2.4 настоящего Указания, должны составлять не менее 6 миллионов рублей. При расчете указанной общей стоимости (общего размера обязательств) учитываются финансовые инструменты, предусмотренные 

( Читать дальше )

Сегодня мы расскажем вам о 25 крупнейших трендов в технологиях на ближайшие 10 лет.

1️⃣ Искусственный интеллект и машинное обучение

В настоящее время это наиболее перспективный инструмент для бизнеса. Искусственный интеллект внедряется в процессы, изучает поведение потребителя и обучается, с целью предложить ему больше товаров и услуг или найти новых похожих клиентов. Так Netflix уже использует собственную модель машинного обучения, которая подбирает для своих абонентов фильмы с учетом их предпочтений, а также предсказывает потенциальную аудиторию конкретного фильма.

2️⃣ Internet of things или “Интернет вещей”

Интернет вещей (IoT) — это взаимосвязанные интеллектуальные устройства, которые могут обмениваться данными через интернет. Сегодня это смартфоны, смарт часы, смарт телевизоры, а скоро – и другие гаджеты, которые обязательно изменят наш мир.

3️⃣ Wearable-технологии и носимые устройства

Это те гаджеты, которые мы носим на своем теле. Они считывают информацию о своем владельце и окружающей обстановке и обменивается данными с глобальной сетью и другими устройствами. Например, наши смарт часы и фитнес-трекеры. Но с каждым годом появляется все больше интеллектуальных устройств, которые делают нашу жизнь более безопасной и эффективной.

( Читать дальше )