Избранное трейдера Kulikov Pavel
Какие настроения царят, когда рынок находится на дне(на минимальных значениях)? Депрессия, разочарование, испуг, отсутствие перспектив и т.д. Новостной фон жутко негативный. Куда не ткни, всюду эксперты рассказывают об ужасающих перспективах в экономике и на фондовом рынке. В америке такая атмосфера была в 2008-2009 году, а в РФ это наблюдалось во второй половине 2014 года и в начале 2016 года, когда нефть достигла 27$ за баррель. Нигде нельзя было услышать призыв продать доллар и купить, например, акции сбербанка.
А какие настроения царят сейчас в америке, когда рынок беспрерывно растет уже много лет, а коррекции даже в 3% уже не было почти год? Сегодня читаю статью на блумберге, которая начинается с гениальной фразы — R.I.P. BEARS! https://www.bloomberg.com/news/articles/2017-10-06/market-mania-has-assets-all-around-the-world-closing-crisis-era Т.е. покойтесь с миром Медведи (участники рынка, которые ставят на понижение). Другими словами на рынке нет больше медведей. Полная капитуляция. Те, кто ставили на понижение рынка, просто раздавлены, посрамлены и унижены. Остались только те, кто верит и ставит на вечный рост американских индексов. Какой обзор не возьми, везде очень красивыми словами описано, почему американские индексы просто обязаны продолжить свой рост. Про акции теперь пишут, как будто это безрисковый актив. Хотя это очень даже рисковый актив, который может легко терять половину и более своей стоимости. Но в условиях рекордно низкой волатильности за всю историю, этот факт почему-то забывается.
Рубль в последние месяцы проявлял относительную самостоятельность по отношению к динамике цен нефти. Особенно впечатляющим стало отставание укрепления рубля при наблюдавшемся со средины лета довольно внушительном (около 30%) росте цен нефти.
В результате цена нефти, выраженная в рублях, взмыла вверх и достигла уровней 3400 рублей за баррель — максимальных отметок еще начала 2017 года.
Этой статьей мы продолжим улучшать результы автоматического поиска пар для торговли. Дополнительным фильтром будем использовать измерения, доступные после построения регрессии методом statsmodels.api.OLS(). Этот же фильтр будем применять к парам во время торговли.
Найденные пары проверим в Quantopian, а исходный код напишем на Python.