Избранное трейдера Coreman Ok
В этот раз мы протестируем стратегию торговли уровней перекупленности и перепроданности. Разворачивать нас будет индикатор RSI (Индекс относительной силы). Тестировать будем в Quantopian, а код писать на Python.
На повестке дня:
Перевод статьи из блога tr8dr. Написано верно, применительно к HFT алгоритмам, но очень кратко. Однако, немного подумав, из этого можно сделать достаточно простую метрику для раннего определения направления движения цен.
Высокочастотная маркет дата, как правило, представлена в виде обновлений потока ордеров (полный ордерлог):
Оперирую только цифрами, выводы каждый пускай делает сам для себя. Отчет включает себя период с июля 2013 по 30 июня 2017 года. Начальный размер портфеля составлял – 681022 рублей. Динамика стоимости по годам такая:
Июль 2013 года – 681022 рублей
31 декабря 2013 года – 738267 рублей
31 декабря 2014 года – 747446 рублей
31 декабря 2015 года – 1239471 рублей
31 декабря 2016 года – 1438215 рублей
30 июня 2017 года — 1400874 рублей
Рост портфеля за исходный период составил – 105,7%, индекс ММВБ за этот период вырос на 36,44%.
С июля 2013 денежные средства в портфель не вносились, происходило только реинвестирование средств, поступивших от дивидендов, гашения и купонных выплат по облигациям. За этот период они составили:
2013 год – 4948 рублей
2014 год – 64183 рублей
2015 год – 90030 рублей
2016 год – 133967 рублей
1 полугодие 2017 - 60810 рублей.
Для сравнения полугодовой динамики поступивших денежных средств: 1 полугодие 2016 года — 60193 рублей, 2 полугодие 2016 года — 73773 рублей.
На сегодняшний день портфель состоит из следующих акций и облигаций, в процентных долях:
В данной статье я описываю платформу для анализа финансовых рынков, которую разрабатываю. Я назвал ее MarketLab.
Почему я решил ее создать, в чем ее особенности и конечная цель.
Возможно, кому-то будет интересно присоединиться к проекту.
Понимание рыночных механизмов
Что движет конкретным лицом, когда он нажимает кнопку продать или купить?
Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (http://smart-lab.ru/blog/384110.php), за июнь. В целом июнь был для модели не слишком удачным, из-за того, что падали (особенно под волатильный конец месяца) все ассет-классы, которыми она торгует — и стоки, и трежеря, и золото. Тем не менее, модели удалось остаться в плюсе и обогнать свои бенчмарки.
weight monthly.ret
XLY 0.087 -2.17
XLP 0.186 -2.29
XLE 0.000 -0.79
XLF 0.111 5.20
XLV 0.158 3.48
XLI 0.000 0.75
XLB 0.000 0.64
XLK 0.115 -2.96
XLU 0.000 -3.39
IYZ 0.000 -2.77
VNQ 0.057 1.70
SHY 0.000 -0.06
TLT 0.196 0.78
GLD 0.089 -2.23
Предыдущие веса не публиковались из-за багов с публикацией постов на смартлабчике (и если вы это читаете — значит, мне пришлось попотеть, чтобы их преодолеть), но рассчитаны по данным на 31.05, соответственно доходности приведены за период с закрытия 1-го июня до закрытия 30-го июня.
Корреляции между весами и ретурнами положительны (20.9%), модель обогнала свои бенчмарки (SPY & EQW — equal-weighted портфель из торгуемых тикеров) как в терминах ретурна, так и риска (максимальной просадки). Сравнение — на графике в начале: SPY — (-0.16%), EQW — (-0.29%), LQI — 0.22%. В целом модель перформила в июне в рамках своего риск-ретурн профиля.