Избранное трейдера alg777
Привет!
Как известно, экономика циклична: случаются кризисы, потом рост, ставки центральных банков то растут, то снижаются. На этом фоне цена долгосрочных (10-летних) облигаций подвержена волатильности (изменчивости).
Посмотрите на картинку. На нем представлен график доходности 10-летних гособлигаций РФ с 2003 года. Можно заметить, что каждые 6 лет доходность облигаций скачет. А скачет она потому, что изменяются цены под действием экономических факторов.
Например, в 2014 году вводили санкции, произошла девальвация рубля, ЦБ РФ сдерживал ситуацию и повышал ставки. На этом фоне цены на облигации начали падать, т.к. в глазах инвесторов они уже не были столь привлекательны в новых экономических условиях с высокими ставками. Соответственно при снижении цен на облигации растет их доходность.
Тут нужно объяснить подробнее. Допустим, мы сторонние инвесторы, не владеющие облигациями, а просто наблюдающие за рынком и оценивающие его. Сидим мы и смотрим на облигации в 2013 году, они тогда были доходностью 7,5%. В 2014 году произошла девальвация, ЦБ повысил ставки до 17%. Вы согласны будете покупать облигацию доходностью 7,5% при ключевой ставке 17%? Конечно нет. Именно поэтому при повышении ставок цены на облигации снижаются, тем самым компенсируя свою низкую доходность. Пусть облигация доходностью 7,5% в 2013 году стоила 100, в 2014 году она подешевеет до 90 и доходность к погашению, таким образом, повысится до рыночных значений – 15-17% за счет низкой цены. Пример очень утрирован, чисто для понимания принципа формирования цены и доходности облигаций.
Без практики теория, как бы, дохлая кошка. Но прежде чем практиковаться, надо подумать. Сделать, как вы это называете ТС. Я постараюсь выбрать время и запустить такую ТС вместе с вами. А пока вспомним немного теории, или узнаем, и по ходу будем ее юзать. Конечно, я бы хотел, что бы вы мне помогли советами. Может мы, как то, вместе это улучшим. Пока для немногих, кто случайно не в курсе про опционы, изложу методы вычисления. Как обычно прикреплю файлик в экселе. https://cloud.mail.ru/public/2etF/2upCiHKgs
Я возьму SPY вернее не весь, а только его финансовый сектор XLF. Оно и дешевле и ликвидность хорошая. Вы можете взять РТС или SI. Мы будем продавать опционы и как то из этого выкручиваться. Продавать мы будем коллы, а покупать БА. У кого нет денег, тот может либо их взять, либо продавать путы. Деньги брать можно прямо на бирже, потому что биржа это такая организация, которая торгует деньгами.
Итак, методика. На листе XLF я выписал цены закрытия XLF с 13.01.2020 по 12.02.2020, 31 день. Затем я нашел дисперсию ln(сегодня/вчера) из дисперсии я вывел Стандартное отклонение. Взял корень из 365 ( 19.1), а умножив 19.1 на стандартное отклонение одного дня получил волатильность годовую, которой мы и будем торговать и о которой вы должны были слышать. (желтый столбец). Так как я использую 365 дней в году, то в расчеты я должен включить и выходные дни без изменения цены.
Запилил примитивный сайтик для автоматизации расчета доплаты налогов на дивиденды и депозитарные расписки иностранных компаний по брокерским отчетам – возможно кому-то будет полезно.
Актуально для тех, кто:
Декларирование дивидендов от иностранных компаний – достаточно мутная процедура – т.к. дивиденды выплачиваются в валюте, их нужно конвертировать в рубли по курсу ЦБ на день уплаты. Ставка удержанного за границей налога варьируется от 0% до 30% и более — требуется аккуратно рассчитать сумму налога для доплаты в РФ. Обычно американские эмитент платят копеечные дивиденды 4 раза в год, умножаем на кол-во эмитентов в портфеле и кол-во брокерских счетов – получаем большие проблемы.
В общем решил это дело автоматизировать.
Высокодоходные облигации — долговые бумаги, не имеющие рейтинга, или бумаги, чей рейтинг не дотягивает до инвестиционного уровня. А также так называемые высококупонные облигации. То есть облигации, купон по которым превышает ключевую ставку на 5%.
В США спектр эмитентов ВДО очень широк — от автомобильных производителей до телекомов и хайтека. У нас же в долг берут строители, МФО и лизинговые компании. Так себе диверсификация.
Недавно я обратил свой взор на муниципальные облигации.
Муниципальные облигации — это долговые ценные бумаги, которые выпускают города или отдельные регионы для финансирования своих проектов или дефицита бюджета. То есть вы даете в долг не центру, а мелких субъектам.
Их еще делят на муниципальные и субфедеральные. Не забивайте себе голову. Это примерно одно и то же.
Мне нравится Lua. Lua хороший компактный язык на котором можно сделать индикаторы, различные вспомогательные программы, помогающие трейдеру и даже несложные торговые системы (ТС, роботы). Пожалуй единственная книга по Lua — Роберту Иерузалимски: Программирование на языке Lua. Ее можно найти в интернете.
Lua имеет также несложный C-API позволяющий связать программы Quik Lua с внешним миром через DLL и получить доступ практически ко всему, в том числе к любым математическим библиотекам обработки данных, что необходимо для сколь-нибудь сложным ТС. Однако, для этого уже необходимо знание не только Lua, но и Lua C-API, языка С/С++, а также умения писать DLL. При этом надо будет решить еще ряд проблем, которые возникнут по ходу пьесы в процессе этой деятельности. Далеко не каждый пользователь Quik и Lua может все это реализовать в обозримое время.
У Quik Lua (QLua) есть еще недостатки — все события терминала в Lua работают в потоке терминала, и получив из них данные надо как можно быстрей завершать функции обработки этих данных и освобождать поток терминала, иначе терминал просто повиснет. Единственная функция QLua работающая в собственном потоке — это main() и вся сколь-нибудь сложная обработка может находиться только в ней.
Кроме того, для Lua крайне мало библиотек, а существующие работают оч не быстро. В принципе, это и не нужно, если можно организовать связь с внешним миром через C-API. Но нам от этого легче не становится.) Короче, для написания хорошей сложной ТС нам надо выйти за пределы QLua и установить связь с внешним миром, и сделать это доступными средствами.
Сейчас наиболее продвинутым языком, включающим в себя массу библиотек обработки данных является Python. По применимости для обработки данных он, пожалуй, занимает первое место в мире, а по распространенности входит в первую пятерку. В числе библиотек — математические, статистические, машинного обучения и пр., и пр. Таких библиотек более тысячи только в Anaconda, большинство из которых устанавливается при ее инсталяции. Вы можете не использовать Anaconda и скачать Python с сайта