Обычно человек ходит по колее, но иногда система сбоит и случаются «эмм, а чё я раньше не задумывался, что можно…» и «хм, а ведь можно попробовать сделать…». В такие моменты можно выскакивать за пределы колеи и переходить в новую более интересную, выходить из зоны болотного комфорта в зону воодушевляющего дискомфорта.


Всегда ходил по колее (вернее, замкнутому циклу): математика не моё, у меня много своих преимуществ, математик не в их числе, не всем дано. И к нему прицеплялось: машинное обучение, нейронные сети, статистика и тер.вер. требуют математики – ну, значит, тоже не мое, ну значит без этого. А тут че-то осенило: а какого хрена!? Кстати, тот случай когда реклама сподвигла (назойливая реклама курсов обучения по Data Science). Сначала отмахивался, а в какой-то момент подумал: а почему бы и нет? – Да, страшно, да лень, да не уверен, что получится, да долго, да нет уверенности, что поможет и т.д. Хорошо подумал, уверенным движением руки смахнул все эти иррациональные возражения и страхи со стола и записался на курс.

Так что скоро, надеюсь, например, не буду просто пролистывать посты уважаемого А.Г., а, возможно, буду извлекать смысл.

Кстати, уже только при прочтении программы курса словил пару инсайтов применительно к фин. рынкам.

Глаза загорелись. Будет интересно.

Таблицы закрытий реестров по состоянию на 05.05.2019.

Желтый фон в таблицах — данные, которые я увидела на прошедшей неделе.
Зелёный фон- двузначные ДД
Темно-зелёный — Центральный Телеграф

Часть 2.

В прошлой части мы подбирали такую комбинацию статистических оценок динамики акций, которая давала нам возможность стабильно выбирать портфель акций лучше среднерыночного,  с показателем Шарпа на 26% выше индексного.

Мы также пробовали составлять портфель из портфелей и портфель на основе портфеля оценок, но в силу высокой линейной зависимости оценок и полученных на них портфелей друг от друга Bagging ожидаемо не дал никакого результата.

Тем не менее, этот важный этап подготовительных работ – построение портфеля (или композиции портфелей) на простых, статистических оценках дал нам некоторую отправную точку, относительно которой мы будем рассматривать эффективность всех наших последующих нововведений.

Рис. 6. Иллюстрация динамики волатильности акций США, входящих в состав индекса S&P 500.

Основную проблему стандартных методов мы видим в том, что они разработаны для стационарных стохастических процессов, в то время как любые финансовые (а зачастую природные, биологические и др.), временные ряды имеют нестационарную природу. Так, например, широко известно, что логарифмическое изменение стоимости акций является нестационарным процессом со склонностью к консолидации (кластеризации) волатильности.

В предыдущих топиках мы сформировали ценовой ряд и начали считать по нему разные стратегии. Сегодня мы продолжим. Возьмем наиболее популярные стратегии и прогоним их через свои расчеты.

Файл. https://cloud.mail.ru/public/2AsF/43ssbSj4g

Напомню. У нас есть ценовой ряд (лист РТС ценовой ряд Close), из него мы находим приращения логарифмов (дисперсию), генерим триггер (в данном случае алгоритм СЛУЧМЕЖДУ()), определяем направление (покупка или продажа). Дальше, мы подставляем сумму начального капитала и находим его изменение на следующем шаге. Для этого наш капитал умножаем на экспоненту приращения логарифма*триггер. На листе все формулы видны. Нажимая на F9, мы получаем пересчет алгоритма и график экви. В данном случае (лиси РТС), ценовой ряд у нас статичный и взят с реального рынка, а точки входа выхода пересчитываются.

Но еще у нас есть синтезированный ценовой ряд, с теми же свойствами, что и график РТС. Лист «Цена». Тут ценовой ряд пересчитывается кнопкой F9 и вы можете видеть все атрибуты (графики) этого ряда. Отсюда мы будем брать цену и подставлять в наши стратегии.