Самый большой и известный в мире биржевой фонд REITов.

Краткий обзор VNQ

Фонд инвестирует в акции REITов и компаний, которые покупают офисные здания, отели и другую недвижимость. Цель фонда - близко следовать за результатами индекса MSCI US REIT Index.

Доходность фонда

На момент написания поста среднегодовой рост цены за 10 лет составляет 4,56%. Дивиденды за 2016 к цене пая — 4,7%. Если сложить эти цифры, то получится впечатляющая годовая доходность — 9,26% в долларах. При этом дивиденды растут из года в год.

Любители сдавать в наем московские квартиры только позавидуют такой доходности.

Комиссии

0,12% в год. Очень низкая плата. Нельзя даже сравнивать с уровнем комиссий российских ЗПИФов недвижимости (от 2-5% ежегодно + 1,5% надбавка при покупке пая).

Финансовые показатели

( Читать дальше )

Статья из блога Robot Wealth.

Продолжая мои исследования в области моделирования временных серий, я решил изучить авторегрессивные и условные гетероскедатичные модели. В частности, я взял авторегрессивную модель ARIMA и общую авторегрессивную гетероскедатичную модель GARCH, так как на них часто сылаются в финансовой литературе. Далее следует описание того, что я узнал об этих моделях и основной процесс нахождения их параметров, а также простая торговая стратегия, основанная на предсказаниях полученной модели.

Сначала дадим несколько необходимых определений. Я не хочу воспроизводить всю теорию целиком, ниже дан краткий обзор моделирования временных серий, в частности ARIMA и GARCH моделей:

В первую очередь, вычисление ARIMA и GARCH моделей это способ узнать, при каких прошлых наблюдениях, шуме и дисперсии временной серии возможно предсказать следующее значения этой серии. Такие модели, параметры которых правильно установлены, имеют некоторую предсказательную способность, предполагая, конечно, что эти параметры остаются постоянными на некоторое время для данного процесса.

( Читать дальше )

Здравствуйте дорогие друзья!

В моем анализаторе большие изменения, поэтому версия сразу 2.0. Основная тема данной версии, это DDE сервер и скорость.
DDE сервер мне писал профессиональный программист Дмитрий, я ему безумно благодарен, потому что он мне его писал абсолютно бесплатно, без всякой корысти и жажды наживы. Всегда восхищался такими людьми, так что Дмитрий «партия» тебя не забудет.
Я бы конечно написал когда нибудь DDE сервер, но у меня руки до него дошли бы только через 2 года, наверное.

Итак изменения (очередность такая как я программировал):

1. История улыбки теперь не сохраняется если сделаны сделки только фьючерсом. История сохраняется, если были сделки только над опционами.

2. При удалении стратегии, файл истории этой стратегии теперь тоже удаляется, раньше не удалялся в итоге эти файлы росли.

3. Сделал возможность скрытия портфеля нажатием одной кнопки, при нажатии её еще раз, портфель примет предыдущее состояние.

4. Сделал отображение греков и профита в подвале главной формы. Это необходимо для того чтобы контролировать их при свернутой форме «Портфель».

( Читать дальше )

Статья из блога "Trading with Python" об элементарной стратегии, которая демонстрирует последовательный подход к разработке алгоритмов.

Недавно я прочел пост на сайте turingfinance.com "Как стать квантом".  Вкратце, он описывает научный подход к созданию торговых стратегий. Для меня, наблюдение за данными, обдумывание модели и формирование гипотезы является второй натурой, как это и должно быть для любого хорошего инженера.

В данной статье я собираюсь показать такой подход по шагам, которые нужны для разработки стратегии.

Давайте возьмем наиболее популярный инструмент — S&P 500 ETF «SPY». Начнем с наблюдений.

Обзор данных

Мне кажется, что большую часть времени в СМИ говорят об обрушении рынков (больших потерь в течение нескольких дней), умалчивая о значительном росте, который следует за ними.

( Читать дальше )

На выходных перенес свой алгоритм поиска интересных акций с Python на R. Заключается он в том, что алгоритм проходится по всем более менее ликвидным акциям Московской Биржи, выгружает исторические данные за интересующий нас период, считает мат. ожидание дневной доходности, которое является мерой доходности и средне-квадратичное отклонение дневной доходности, которое является мерой риска. Далее сортирует акции по этим критериям и фильтрует с заданными трешхолдами.

Мат.ожидание дневной доходности — это своего рода надежда на будущий рост по тренду. А мера риска в качестве ср.-кв. отклонения связана с тем, что если за день акция может упасть слишком сильно, это создает повышенный риск. Марковиц тоже использовал такие критерии в своей портфельной теории.

Если взять 80 акций Мос. биржи и анализировать данные только за этот год, затем поставить фильтр, то получается следующая выборка.



( Читать дальше )

Небольшая статья с ресурса http://www.talaikis.com/ о построении простой стратегии, использующую наивный байесовский классификатор при создании процесса возврата к среднему. Весь код в статье приведен на языке Python.

Это достаточно большая область исследований, но расскажем все очень кратко. Мы попытаемся найти взаимоотношение между  временными сериями  (в данном случае возьмем в качестве сигнала взаимный фонд XLF из финансового сектора, сдвинутый по времени на 1 день назад), а нашей целью будет фьючерс S&P500 в форме CFD. Будем входить в длинную позицию по этой бумаге при нулевой вероятности приращения. Логически нулевая вероятность ни о чем не говорит, другими словами, будем покупать возврат к среднему.

1. Получение данных

Y = read_mongo(dbase, "S&P5001440")
X = read_mongo(dbase, syms[s]).shift()

#готовим набор данных
res = pd.concat([X.CLOSE, Y.CLOSE], axis=1, join_axes=[X.index]).pct_change().dropna()
res.columns = ['X', 'Y']

( Читать дальше )

Покупка акций компаний, которые платят супер-дивиденды. Главное, — определить, почему компании платят супер-дивиденды и будут ли они платить эти дивиденды в дальнейшем. Для этого надо понять желание мажоритария платить дивиденды. Надо отметить, что вся система инвестиций Ларисы Викторовны построена на логике и здравом смысле.

Причины эти можно классифицировать:

1. необходимость пополнения госбюджета (Газпром)
2. необходимость пополнения бюджета субъекта (Татнефть, Алроса)
3. желание иностранного мажоритария получить профит от дочки
4. смена собственника, желание мажоритария заплатить по долгам за счет дивидендных выплат
5. скупка акций менеджментом
6. резкий рост чистой прибыли
7. желание материнской компании получить прибыль от дочерних обществ

В реальности причин может быть много, Лариса Викторовна выделяет особо эти. Причины и желание платить дивиденды должны быть перманентными, а не одноразовыми. Если возникает уверенность, что мажоритарий больше не захочет платить хорошие дивиденды, то такую акцию можно продать сразу после отсеки (например, Новосибирскэнергосбыт).

( Читать дальше )

ЗЫ Торгуйте опционами, нам вас не хватает!!!

В последнее время изучаю R и машинное обучение. 

Мои статьи про R, машинное обучение, количественный анализ

В этом посте я расскажу о том, как применить машинное обучение для поиска закономерностей и прогнозирования.

Использовал эту статью: Применение машинного обучения в трейдинге

Начнем с проверки того, работают ли тренды и как влияет день недели на направление движения цены. И если работают, насколько они смещают вероятность в нашу сторону. Применим для этого наивный байесовский классификатор. 

Теорема Байеса в теории вероятностей, как теорема Пифагора в геометрии.

Байесовская вероятность — это интерпретация понятия вероятности, используемая в байесовской теории. Вероятность определяется как степень уверенности в истинности суждения. Для определения степени уверенности в истинности суждения при получении новой информации в байесовской теории используется теорема Байеса. 

( Читать дальше )