САУДОВСКАЯ АРАВИЯ — вся Восточная Европа.

Россия умещается на севере Африки


( Читать дальше )

Ссылки для скачивания:
1-я часть
2-я часть
3-я часть
4-я часть
5-я часть
6-я часть
7-я часть
8-я часть

Полный список текстов:

> list.files(«E:/syst/lib»)
[1] "_algo_ algotrading.pdf"
[2] "_algo_ IntroductionToAlgorithmicTradingStrategies.pdf"
[3] "_algo_ stan.pdf"
[4] "_bayes_ applied bayesian modelling.pdf"
[5] "_bayes_ bajesovskie seti… logiko-veroyatnostnyj podxod.djvu"
[6] "_bayes_ bayesian statistical modelling.pdf"
[7] "_bayes_ BayesNets.pdf"
[8] "_bayes_ байесовские методы маш обуч.pdf"
[9] "_bayes_ введение в методы байесовского статистического вывода.djvu"
[10] "_caus_ Application of adaptive nonlinear Granger causality.pdf"
[11] "_caus_ Causalities of the Taiwan Stock Market.pdf"
[12] "_caus_ granger causality — theory and applicts.pdf"
[13] "_caus_ grangercausality.pdf"
[14] "_caus_ sugihara-causality-science.pdf"
[15] "_caus_ Причинный анализ в статистических исследованиях.djvu"
[16] "_change_ adaptive filtering and change detection.djvu"
[17] "_change_ detection of abrupt changes.pdf"
[18] "_change_ Efficient Multivariate Analysis of Change Points.pdf"
[19] "_change_ nikiforov_i_v_posledovatelnoe_obnaruzhenie_izmeneniya_svoist.djvu"
[20] "_change_ zhiglyavskii_a_a_kraskovskii_a_e_obnaruzhenie_razladki_sluch.djvu"
[21] "_change_ адаптивный метод обнаружения нарушений закономерностей по наблюдениям.pdf"
[22] "_change_ Момент разладки Чернова.pdf"
[23] "_change_ обнаружение изменения свойств сигналов и динамических систем.djvu"
[24] "_change_ обнаружение моментов разладки случайной последовательности.pdf"
[25] "_change_ обнаружение нарушений закономерностей по наблюдениям при наличии помех.pdf"

( Читать дальше )

Большинство, из нас работая на рынках и пытаясь заработать, сталкивается с риском и потерять деньги.  Но на фондовом рынке есть варианты, когда трейдер выбирает между заработать много или заработать поменьше, без риска потерять деньги. В этом деле очень преуспел Уоррен Баффетт. Привожу два простых примера, если будет интерес могу продолжить.

1) Хочу начать, рассказав свою историю. В конце 2014 на фоне валютной паники, ключевая ставка была поднята до 17%. Следствием чего стал обвал котировок облигаций, и доходности по ОФЗ выросли от 16%-21%.  А эмиссия денежной массы на тот момент в годовом  выражении составляла 5%. Понимая, что данная ситуация  грозит полным коллапсом экономики, если затянется на  длительный срок, и возможно два варианта: или государство опять понизит ставку, соответственно котировки по облигациям вырастут, либо начнет интенсивно увеличивать денежную массу, но на фоне валютной паники это было маловероятно. Я купил длинные облигации  ОФЗ26212 со сроком погашения в 20 лет, доходность по ним тогда составляла около 16%. Длинные облигации были выбраны не случайно, так как при изменении доходности облигаций, у длинных цена изменяется гораздо сильней, чем у коротких.  Цены на жилье на фоне нарастающего кризиса упали, и я давно думал о квартире на берегу моря и решил осуществить свою мечту, дополнительной мотивацией была прибыль от операций с акциями в 1,8 мил, с которой мне очень не хотелось платить налог и я его решил вернуть через налоговый вычет. И взял квартиру в ипотеку по ставке 11,4% на 20 лет, совершив тем самым хедж на имеющиеся у меня облигации. В самом худшем варианте, мне пришлось бы, 20 лет оплачивать ипотеку процентами по облигациям и я б еще зарабатывал 4,6% годовых на разнице процентных ставок.  Но этого не случилось. Ключевая ставка в течении года была понижена до 11% и цены на облигации выросли. Когда эмиссия денежной массы была около 11%, а доходность по ОФЗ26212 составляла около 9%, я принял решение продать облигации, так как они аккумулировали в процентном отношении меньше, чем государство начало печатать денег. В итоге я купил облигации за 620 рублей, а продал за 870 плюс 37 рублей НКД, доходность составила порядка 45% минус 11,4% ипотека,  чистый мой заработок 33%. И дисконт при покупке квартиры составил около 45%, учитывая еще и возвращенный налог от операций с ценными бумагами, а если сравнивать с ценами на квартиры на начало 2014г то 60%.

( Читать дальше )

Предлагаю скрипт для расчета греков по портфелю

Ссылка на скачивание

   Добавляю код сделанного мной индикатора Parabolik в котором параметр ускорение зависит от волатильности. Чем больше волатильность, тем больше увеличивается ускорение и индикатор быстрее «догоняет» цену. Подобные есть на просторах интернета для метатрейдера (и не бесплатно), для квика не встречал.

 

Видно, что он дает меньше перескоков (красный), чем обычный Parabolik (черный). Хорошо себя зарекомендовал для выходов из позиций, открытых по тренду. На вход в боковике конечно будет давать ложные сигналы, как и обычный Parabolik (но меньше!), создатель которого не рекомендовал только его использовать для открытия позиций.

Код индикатора:

Settings = {
Name = "Parabolic ATR",
Period_ATR=14,
line = {{
                Name = "Parabolic ATR",
                Type = TYPE_POINT,
                Color = RGB(255,0,0),
                Width = 2
                }
                }
}

old_idx=0
long=false
short=false
revers=false


function Init()
        return 1
end

function OnCalculate(idx)
if idx<Settings.Period_ATR then
return nil
else
if idx==Settings.Period_ATR  then
psar={}
psar[idx]=L(idx)
long=true
hmax=H(idx)
per_ATR=Settings.Period_ATR
local TR=0
for js=(idx-per_ATR),idx-1 do
TR=(TR+H(js)-L(js))
end
Old_ATR=TR/per_ATR
revers=true
else

if idx~=old_idx then
local TR=0
for js=(idx-per_ATR),idx-1 do
TR=(TR+H(js)-L(js))
end
local ATR=TR/per_ATR
af=ATR/(Old_ATR+ATR)
af=af/10
Old_ATR=ATR
if long then
if hmax<H(idx-1) then
hmax=H(idx-1)
end
psar[idx]=psar[idx-1]+af*(hmax-psar[idx-1])
end
if short then
if lmin>L(idx-1) then
lmin=L(idx-1)
end
psar[idx]=psar[idx-1]+af*(lmin-psar[idx-1])
end
revers=true
end
if long and L(idx)<psar[idx] and revers then
psar[idx]=hmax
short=true
long=false
lmin=L(idx)
af=Step
revers=false
end
if short and H(idx)>psar[idx] and revers then
psar[idx]=lmin
long=true
short=false
hmax=H(idx)
af=Step
revers=false
end
end

old_idx=idx

return psar[idx]
end
end

( Читать дальше )

На смарт-лабе думаю многие уже знают, а есть и те кто еще незнает но очень хотел бы знать как фунционирует весь бухгалтерский учет и что из себя представляет эта финансовая отчетность...
Специально для тех кто давно хотел и думал с чего начать или продолжить наработку знаний по бухгалтерскому учету...
Видео курс поэтапно рассказывает как и что отражается в учете компании и как это все по итогу отразится в отчетности...
По литературе посоветовал бы данного автора т.к. излагает он все более проще и понятнее https://www.ozon.ru/context/detail/id/15883022/ 
Поехали: Сохраняем к себе и изучаем!
Финансовая отчетность в 3D. Часть 1

Логика дебетования и кредитования. Часть 2

Модели проводок. Часть 3

Т-счета. Часть 4


( Читать дальше )

    Собственно в диалогах часто приходится одно и тоже объяснять. Сейчас объяснял это в очередной раз. Так что пишу в блог и посылаю потом сюда людей.

Итак, сейчас имеем стату по нефти. Почему она медвежья:



    Нужно смотреть не на одну нефть. Почему то многие этого не понимают. Если вам лень переводить баррели нефти в баррели бензина то можете считать просто совокупно. Отклонения которые будут всё равно не будут иметь определяющего значения.

    Из того что мы видим — запасы бензина превысили ожидания на 3 млн. баррелей. Запасы дистилятов превысили ожидания на 2,5 млн. баррелей.

    Запасы нефти упали больше ожиданий всего на 200 тыс. баррелей. 

    Итого если не заморачиваться с пересчётом у вас не смотря на падение запасов нефти, превышение над ожиданиями более чем 5 млн баррелей. 

( Читать дальше )

Тут меня недавно упрекали в том, что я только критикую перебор 50тысяч индикаторных систем а сам ничего не пишу. 
Хотели — получите

Любая система начинается с идеи, а не наоборот — соберем всего побольше а потом что нибудь да найдется.
Идея всегда содержит в себе какой нибудь явление или физический смысл или хотя бы математическую модель. 

Рассмотрим явление, которое имеет место каждый день, на любой бирже, на любом инструменте. 
Определенное число участников рынка торгует по индикаторам или пробоям уровней. По каким именно индикаторам нам знать не нужно. 
Но «каждый школьник знает» что в точках, где входит большинство участников — рынок получает ускорение в какую нибудь сторону. 
Как найти эти точки?
Для начала определим тайм фрейм. В свое время на смарт-лабе болтались опросы — какой фрейм используете? Очень много голосов отдано 1ч фрейму.  Зная фрейм начинаем исследования. 
Строим в экселе распределение обьемов внутри часа. Усредненно это будет гистограмма вида W, где видно, что максимальные обьемы проходят в начале и конце часа. Чуть меньше — на отметке 30 мин. Есть так же всплески на 15 и 45 минутах. Вывод — все входят в конце часа и начале следуюшего. После того как сработали их сигналы на 1ч таймфрейме. Мувинги скрестились, за уровнем закрылись — это нам не важно. 

( Читать дальше )

Порядок действий

1. Формируем в квике таблицу всех сделок со следующими параметрами



Фильтром отбираем нужные инструменты.

2. Скачиваем из Интернета свободно распространяемый DDE сервер от Морошкина с прилагаемыми dll.
3. В соответствующих местах кода заменяем код на вот этот

using System;
using System.Collections.Generic;
using System.Linq;
using System.IO;
using System.Text;
using System.Timers;
using System.Threading;
using XlDde;

namespace ConsoleApplication2
{
class Program
{
const string service = «myDDE»;
const string candleSPOT = «SPOT»;

static void Main(string[] args)
{

using (XlDdeServer server = new XlDdeServer(service))
{

server.AddChannel(candleSPOT, new SPOTChannel());
server.Register();

Console.WriteLine(«DDE server ready. Press Enter to exit.\n\n»);
Console.ReadLine();
}

}
}

// **********************************************************************
// * Классы DDE каналов с обработчиками данных *
// **********************************************************************

class SPOTChannel: XlDdeChannel
{
//static int time2 = 1000;
static int em = 7;
static int m = 1200;
static int[] NM = new int[em];
static int NMM = 0;
static int LastMinute = 0;
static int mm = 1638400;
static double[] Price_trade = new double[mm];
string[] EM_trade = new string[mm];
static int[] Time_trade_I = new int[mm];
static int[] Volume_trade = new int[mm];
static int[,] Time = new int[em,m];
static double[,] O = new double[em,m];
static double[,] H = new double[em,m];
static double[,] L = new double[em,m];
static double[,] C = new double[em,m];
static double[,] V = new double[em,m];

protected override void ProcessTable(XlTable xt)
{

//int time3 = 1000;
int[] nach = new int[em];
int nach1 = 0;
int i = 0;
int j = 0;
int s = 0;
int curHour = 0;
int curMin = 0;
int curDay = 0;
int curSec = 0;
int curDay_1 = 0;
string name;
string[] bf;
string[] EM = new string[em];
DateTime moment;
string[] Time_trade = new string[mm];

( Читать дальше )

За 2 года Китай произвел больше цемента, чем США за весь XX век.

  Согласно официальным данным Государственного Статистического Бюро Китайской Республики, за период с января по декабрь 2014 года, цементная индустрия Китая выпустила цемента в объеме 2 млрд 476 миллионов тонн. А за два последних года 4 млрд 890 млн тонн (4.9 гигатонн). США же по данным USGS Cement Statistic за период с 1901 по 2000 годы произвели только 4.5 гигатонн цемента. США в последние годы производят около 80 млн тонн цемента в год (в 30 раз меньше Китая), Россия 65 млн тонн.

 Так на что же китайцы тратят такую прорву цемента? Давайте посмотрим. Лучше, как говориться, один раз увидеть, чем сто раз услышать. 
Поехали)))

Малоэтажная застройка пригорода Шанхая:

( Читать дальше )