Коллеги, помогите написать красиво кусочек кода. Обработка ситуации, когда ты заказал котировки с Финама, они не пришли, и ты пробуешь ещё раз. Сейчас я кривенько (чтобы описать задачу) написал так:

try: 
        txt=urlopen(url, timeout=20).readlines()
except timeout:
        print ("Exception!\nWait...")
        sleep (20)
        try:
                txt=urlopen(url, timeout=20).readlines()
        except timeout:
                print ("Exception!\nWait...")
                sleep (20)
                try:
                        txt=urlopen(url, timeout=20).readlines()
                except timeout:
                        print ("Котировки с Финама не пришли")

Как это написать красиво внутри цикла?
10 попыток. Если 10-я неудачная, выводим сообщение

print ("Котировки с Финама не пришли")

Всем привет.

Продолжаем грызть тему опционов по рекомендуемой ранее литературе (см.здесь).

Сегодня мы добрались до темы «Сложные опционные стратегии», изучим пока лишь две: календарный и диагональный спред.

Календарный спред.

Он же горизонтальный спред. Чтобы не путаться, сразу вспоминаем ранее изученный вертикальный спред.

А что же мы знаем про вертикальный спред? Помним, что вертикальный спред состоит из двух опционов с одинаковой датой истечения, но разными ценами исполнения.

А вот календарный спред, напротив, состоит из двух опционов с одинаковой ценой исполнения, но разными датами истечения.

Календарные спреды используют для «игры по восходящему/нисходящему тренду», когда трейдер полагает, что определенный актив будет расти/падать в цене, но делать это медленно.

Рассмотрим на примере. Сейчас очень много «отскочистов», которые думают, что Ri вернется к отметке 140 000. Что можно предпринять в данной ситуации?

( Читать дальше )

Когда покупать, если рынок летит вниз?

Введение

Все мы видим, что сейчас творится на фондовом рынке. Все бумаги как будто договорились упасть как можно ниже и соревнуются друг с другом, у кого это лучше получится. 

Многие ждали этого момента и не один год, сжимая в потном кулачке денежку и надеясь купить, как только все упадет. И вот сейчас на их улице праздник: все летит вниз, да еще как летит! Когда же стоит купить, чтобы не грызть потом локти, а рассказывать сидя возле камина долгими зимними вечерами восторженным потомкам о том, откуда у их деда (или бабки) столько денег? )))) 

В данной статье я постараюсь с высоты своего жизненного опыта и 14 лет торговли на фондовом рынке поделиться с вами тем, когда же стоит покупать, если рынок летит вниз как сейчас. 

Но прежде чем перейти к описанию алгоритма, я все-таки хотел бы разделить моих уважаемых читателей на две условный группы: спекулянтов и инвесторов, т.к. советы будут несколько отличаться. Определитесь, к какой группе вы себя относите, и выберите соответствующий раздел. Ну, или прочитайте оба, если вы, как и я, считаете себя и тем и другим. 

( Читать дальше )

В моём арсенале пренебрежительно мало инструментов для обогащения, но каждый из них «на вес золота».

Один из таких «волшебных ключиков», открывающих двери в «комнату с несметными сокровищами» является ценовой индекс муниципальных облигаций MICEXMBICP (он же RUMBICP).

Сейчас 99,99% читателей широко раскрыли свои глаза и начали хлопать ресницами… но не взлетели. :)

Итак, что эта за штука такая и как ей пользоваться?

Посмотрите на чудесный недельный график ниже.



Если говорить простым языком, то индекс MICEXMBICP показывает насколько дорого или дёшево стоят муниципальные (читай надёжные) облигации РФ.

Уровень цены выше 100 означает состояние спокойствия и некой эйфории на фондовом рынке в целом.

Ликвидности так много, что она раздувает портфели крупных институциональных инвесторов до безобразия.

С рынка сметается всё более-менее интересное, начинает расти средняя цена муниципальных облигаций (падает доходность).

( Читать дальше )

Привет!

Как известно, экономика циклична: случаются кризисы, потом рост, ставки центральных банков то растут, то снижаются. На этом фоне цена долгосрочных (10-летних) облигаций подвержена волатильности (изменчивости).

Посмотрите на картинку. На нем представлен график доходности 10-летних гособлигаций РФ с 2003 года. Можно заметить, что каждые 6 лет доходность облигаций скачет. А скачет она потому, что изменяются цены под действием экономических факторов.

Например, в 2014 году вводили санкции, произошла девальвация рубля, ЦБ РФ сдерживал ситуацию и повышал ставки. На этом фоне цены на облигации начали падать, т.к. в глазах инвесторов они уже не были столь привлекательны в новых экономических условиях с высокими ставками. Соответственно при снижении цен на облигации растет их доходность.

Тут нужно объяснить подробнее. Допустим, мы сторонние инвесторы, не владеющие облигациями, а просто наблюдающие за рынком и оценивающие его. Сидим мы и смотрим на облигации в 2013 году, они тогда были доходностью 7,5%. В 2014 году произошла девальвация, ЦБ повысил ставки до 17%. Вы согласны будете покупать облигацию доходностью 7,5% при ключевой ставке 17%? Конечно нет. Именно поэтому при повышении ставок цены на облигации снижаются, тем самым компенсируя свою низкую доходность. Пусть облигация доходностью 7,5% в 2013 году стоила 100, в 2014 году она подешевеет до 90 и доходность к погашению, таким образом, повысится до рыночных значений – 15-17% за счет низкой цены. Пример очень утрирован, чисто для понимания принципа формирования цены и доходности облигаций.

( Читать дальше )

Последние несколько месяцев время от времени начинал времени ломать голову над одной задачкой.
Суть в следующем.
Я сделал скрипт на питоне, на основе торговых данных пишет заявки в tri файл квиковский.
Чтоб заявку создать нужно принять решение на основе каких то данных из таблиц квика (например исполнилась какая то ранняя заявка, или банально цена дошла до нужного уровня, и т.п.)
Данные из таблиц квика, как известно, встроенными методами можно экспортировать через ДДЕ сервер, или в базы данных через ODBC.
То есть — для этого не надо обладать знаниями по программированию, это простые, очевидные способы, доступные всем, у кого установлен квик.
Я выбрал способ по ODBC, и пользуюсь им.
Связка работает стабильно, ничего не рушится, правда пару раз за несколько месяцев зависал сам квик из за того, что кончалась оперативная память (сервер слабенький у меня).

Но у такой связки есть слабое место, приходится в питоне запускать таймер, по кjторому питон опрашивает базу данных.

( Читать дальше )

Всем привет, Друзья. Сегодня понадобилась мне информация по налогообложению и я полез в свой раздел - избранное, ведь там иногда можно найти кучу интересного и полезного. Хочу поделиться этой подборкой с Вами, ведь она может быть тоже кому-то полезна:

1. Робот Бендер со своим монологом на тему философии инвестирования — Статья

2. Александр Кашин о том, почему без регулярных пополнений инвестиции могут быть убыточны - Статья

3. Ленивый Инвестор и его Инвестграмм о налоговых льготах для инвесторов - Статья

4. Azbuka_Fin_Invest, ребята куда-то пропали, но сделали супер точный прогноз по Газпрому в далеком 2018 году — Статья

5. Man Happy опубликовал свою шпаргалку с паттернами - 

( Читать дальше )

В статье "Важность качества компании" я показал как на пятилетнем периоде хорошие бизнесы обгоняют плохие. Но как отличить хороший бизнес от плохого? Уоррен Баффетт предложил простой критерий — каждый реинвестированный доллар прибыли должен создавать как минимум доллар капитализации. Логичное правило. Иначе зачем реинвестировать прибыль? Лучше отдать все на дивиденды. Давайте посмотрим как прошли этот тест компании из моей прошлой статьи.

Возьмем пятилетний период отчетом по МСФО с 2014 по 2018 год и сравним реинвестированную прибыль с ростом капитализации на акцию с 09.022015 по 09.02.2020.

Хорошие бизнесы:

Лукойл. EPS 2691.44 руб. на акцию. Дивиденды 991 руб. на акцию. Реинвестировано 1700,44 руб. на акцию. Рост капитализации 3450 руб на акцию.

Сбербанк. EPS 121,55 руб. на акцию. Дивиденды 36,42 руб. на акцию. Реинвестировано 85,13 руб. на акцию. Рост капитализации 183 руб на акцию.

Татнефть. EPS 280,51 руб. на акцию. Дивиденды 169,2 руб. на акцию.

( Читать дальше )

Без практики теория, как бы, дохлая кошка. Но прежде чем практиковаться, надо подумать. Сделать, как вы это называете ТС. Я постараюсь выбрать время и запустить такую ТС вместе с вами. А пока вспомним немного теории, или узнаем, и по ходу будем ее юзать. Конечно, я бы хотел, что бы вы мне помогли советами. Может мы, как то, вместе это улучшим. Пока для немногих, кто случайно не в курсе про опционы, изложу методы вычисления. Как обычно прикреплю файлик в экселе. https://cloud.mail.ru/public/2etF/2upCiHKgs

Я возьму SPY вернее не весь, а только его финансовый сектор XLF. Оно и дешевле и ликвидность хорошая. Вы можете взять РТС или SI. Мы будем продавать опционы и как то из этого выкручиваться. Продавать мы будем коллы, а покупать БА. У кого нет денег, тот может либо их взять, либо продавать путы. Деньги брать можно прямо на бирже, потому что биржа это такая организация, которая торгует деньгами.

Итак, методика. На листе XLF я выписал цены закрытия XLF с 13.01.2020 по 12.02.2020, 31 день. Затем я нашел дисперсию ln(сегодня/вчера) из дисперсии я вывел Стандартное отклонение. Взял корень из 365 ( 19.1), а умножив 19.1 на стандартное отклонение одного дня получил волатильность годовую, которой мы и будем торговать и о которой вы должны были слышать. (желтый столбец). Так как я использую 365 дней в году, то в расчеты я должен включить и выходные дни без изменения цены.

( Читать дальше )

Статья о том, как получить ежедневные исторические данные по акциям, используя yfinance, и минутные данные, используя alpha vantage.

Как вы знаете, акции относятся к очень волатильному инструменту и очень важно тщательно анализировать поведение цены, прежде чем принимать какие-либо торговые решения. Ну а сначала надо получить данные и python может помочь в этом.

Биржевые данные могут быть загружены при помощи различных пакетов. В этой статье будут рассмотрены  yahoo finance и alpha vantage.

Yahoo Finance

Сначала испытаем yfianance  пакет. Его можно установить при помощи команды pip install yfinance. Приведенный ниже код показывает, как получить данные для AAPL с 2016 по 2019 год и построить скорректированную цену закрытия (скорректированная цена закрытия на дивиденды и сплиты) на графике.

# Import the yfinance. If you get module not found error the run !pip install yfianance from your Jupyter notebook
import yfinance as yf

# Get the data for the stock AAPL
data = yf.download('AAPL','2016-01-01','2019-08-01')

# Import the plotting library
import matplotlib.pyplot as plt
%matplotlib inline

# Plot the close price of the AAPL
data['Adj Close'].plot()
plt.show()

( Читать дальше )