Избранное трейдера Андрей
Инсайд по нефти.
Честно говоря, я немного в шоке от своего сегодняшнего открытия.
Помните, я рассказывал про громадный фонд United States Oil Fund (он же ETF с тикером USO)?
Так вот.
Во-первых, Bloomberg написал, что падение нефти 20 апреля произошло не из-за него. Фонд к тому времени уже переложился из майских фьючерсных контрактов в июньские еще в середине апреля (Напомню, фонд не выходит на поставку нефти, а просто перекладывается из ближних фьючерсов в дальние, т.е. делает roll-over).
Во-вторых (и это самое интересное), В ОТКРЫТОМ ДОСТУПЕ есть информация, что этот фонд сегодня (27 апреля), завтра (28 апреля) и послезавтра (29 апреля) распродаёт следующий, июньский контракт, и переходит в следующие фьючерсы.
Что в моей голове не укладывается… Если такая информация есть в открытом виде, её же будут «фронт-раннить» все спекулянты, которые умеют читать! Это же по сути инсайд!
Еще была информация, что хедж-фонды стали сейчас наращивать лонги по нефти. Логично. Хедж-фонды часто входят в рынок против таких вот потоков, т.к. можно войти с минимальными издержками, а когда поток иссякает – они двигают рынок так, что мало потом не кажется. Я знаю это, потому что когда я работал в ЦБ, против нас делали ТАКЖЕ.
Начинающие (да и не только) инвесторы часто задаются вопросом о том, как отобрать для себя идеальное соотношение активов входящих в портфель. Часто (или не очень, но знаю про двух точно) у некоторых брокеров эту функцию выполняет торговый робот. Но заложенные в них алгоритмы не раскрываются.
В этом посте будет рассмотрено то, как оптимизировать портфель при помощи Python и симуляции Монте Карло. Под оптимизацией портфеля понимается такое соотношение весов, которое будет удовлетворять одному из условий:
Для расчета возьмем девять акций, которые рекомендовал торговый робот одного из брокеров на начало января 2020 года и так же он устанавливал по ним оптимальные веса в портфеле: 'ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM' и 'PKI'. Для анализа будет взяты данные по акциям за последние три года.
#Загружаем библиотеки import pandas as pd import yfinance as yf import numpy as np import matplotlib.pyplot as plt # Получаем данные по акциям ticker = ['ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM', 'PKI'] stock = yf.download(ticker,'2017-01-01', '2019-01-31')
Основывать свои решения на аналогах из прошлого — значит поселиться в пристанище глупости.
Как наркоманы, которые не могут контролировать свою потребность в наркотиках, финансовые аналитики не могут удержаться от поиска какой-то аналогичной ситуации в прошлом, которая прояснит клубящийся хаос в их хрустальных шарах для предсказаний. Из-за этих попыток разобраться в происходящем, поверх графиков недавних скачков фондового рынка навалены горы графиков рынка за 1929, 1987, 2000 и 2008 годы, хотя наиболее близкой аналогией является нефтяной шок 1973 года, экзогенный шок для ослабевающей, хрупкой экономики.
Но реальность такова, что в прошлом нет аналогичной ситуации, и поэтому все прогнозы, основанные на прошлых результатах, будут вводить в заблуждение. Диаграммы и аналитики утверждают, что все рынки действуют по одним и тем же моделям, которые отражают человеческую природу и поэтому ищут корреляции волатильности и оценки, которые «работали» в прошлом, и которые по их мнению должны работать в 2020 году.