Избранное трейдера alewmt
То есть вы покупаете здоровье, крепкий сон и понятное финансовое будущее. Эта стратегия лично мне не подходит. У нее меньше гибкости, чем у доходной. Но есть люди, которым она подойдет идеально. Например, своей маме я порекомендую именно дивидендную стратегию.
Некоторые наши коллеги по торговле утверждают, что торговать направлено опционами не чем не лучше фьючерсов. Давайте посмотрим некоторые возможности опционов.
Для начала возьмем простую покупку опциона для направленной торговли и сравним ее с фьючерсом. Позиция №1 выглядит так:
В данном случае мы сравниваем покупку двух фьючерсов с покупкой шести коллов на 65000 страйке (дело было вчера). Цель 64500-65000 на 27/11/19 Коллы исполнением 19/12/19
Риск у нас ограничен суммой(- 1266), но имеем потери от временного распада.
Никакого видимого преимущества опционов перед фьючерсами нет. Но это только для новичка. Тот, кто уже наблюдал распад опциона во времени на своем счету и задумался «как компенсировать тетту?», мог догадаться, что тетту можно компенсировать продажей опционов с более близким сроком исполнения. Вот пример такой позиции: Позиция №2
Названия строк |
Коли |
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
«Биржевая книга. Сделай миллионы, играя числами» (автор – Райан Джонс)
Пожалуй, это единственный автор, который рассматривает риск-менеджмент не только как торговую стратегию, которая мало кому понятна поначалу. Райан знаменит тем, что привык объяснять особо сложные понятия простым и доступным языком.
скачать книгу
.
Книги — «Математика управления капиталом» (Р. Винс) и «Новый подход к управлению капиталом»
Они позволят вам по другому взглянуть на трейдинг. Его методика основана на простой математике. Только цифры, и ничего более!
скачать книги
.
«Энциклопедия финансового риск-менеджмента» (авторы — А. А. Лобанова, А. В. Чугунова)
Данное пособие является первым учебником, выпущенном на русском языке, в котором риск-менеджмент рассматривается как наука, в которой, прежде всего, необходимо большое внимание уделять дисциплине и тщательному анализу.
скачать книгу