Обычно человек ходит по колее, но иногда система сбоит и случаются «эмм, а чё я раньше не задумывался, что можно…» и «хм, а ведь можно попробовать сделать…». В такие моменты можно выскакивать за пределы колеи и переходить в новую более интересную, выходить из зоны болотного комфорта в зону воодушевляющего дискомфорта.


Всегда ходил по колее (вернее, замкнутому циклу): математика не моё, у меня много своих преимуществ, математик не в их числе, не всем дано. И к нему прицеплялось: машинное обучение, нейронные сети, статистика и тер.вер. требуют математики – ну, значит, тоже не мое, ну значит без этого. А тут че-то осенило: а какого хрена!? Кстати, тот случай когда реклама сподвигла (назойливая реклама курсов обучения по Data Science). Сначала отмахивался, а в какой-то момент подумал: а почему бы и нет? – Да, страшно, да лень, да не уверен, что получится, да долго, да нет уверенности, что поможет и т.д. Хорошо подумал, уверенным движением руки смахнул все эти иррациональные возражения и страхи со стола и записался на курс.

Так что скоро, надеюсь, например, не буду просто пролистывать посты уважаемого А.Г., а, возможно, буду извлекать смысл.

Кстати, уже только при прочтении программы курса словил пару инсайтов применительно к фин. рынкам.

Глаза загорелись. Будет интересно.

Часть 2.

В прошлой части мы подбирали такую комбинацию статистических оценок динамики акций, которая давала нам возможность стабильно выбирать портфель акций лучше среднерыночного,  с показателем Шарпа на 26% выше индексного.

Мы также пробовали составлять портфель из портфелей и портфель на основе портфеля оценок, но в силу высокой линейной зависимости оценок и полученных на них портфелей друг от друга Bagging ожидаемо не дал никакого результата.

Тем не менее, этот важный этап подготовительных работ – построение портфеля (или композиции портфелей) на простых, статистических оценках дал нам некоторую отправную точку, относительно которой мы будем рассматривать эффективность всех наших последующих нововведений.

Рис. 6. Иллюстрация динамики волатильности акций США, входящих в состав индекса S&P 500.

Основную проблему стандартных методов мы видим в том, что они разработаны для стационарных стохастических процессов, в то время как любые финансовые (а зачастую природные, биологические и др.), временные ряды имеют нестационарную природу. Так, например, широко известно, что логарифмическое изменение стоимости акций является нестационарным процессом со склонностью к консолидации (кластеризации) волатильности.

Часть 1.

Традиционно считается, что задача портфельной оптимизации, или задача Марковица, представляет собой некоторую самостоятельную задачу выбора такого портфеля активов, который обладал бы максимальной доходностью при минимальных рисках.

Прим. В качестве актива могут выступать ценные бумаги (акции), их производные (опционы)  или торговые системы.

Решение задачи состоит из двух этапов:

1. Прогноз доходности и ковариации активов в будущих периодах – то есть построение некоторого набора «слабых» прогностических моделей.
2. Составление оптимального портфеля в соответствии с некоторой целевой функцией, и ранее полученными оценками. То есть построение такой композиции «слабых» моделей, которая обладала бы наибольшей прогностической силой.

Почему мы используем аналогию портфельной оптимизации с методами машинного обучения  — Bag, Boost?! Потому что в действительности (и мы это продемонстрируем) нам абсолютно не важно, насколько хорошо динамику наших временных рядов прогнозируют «слабые» модели – нам важно только то, чтобы ошибки прогнозов наших моделей взаимно компенсировали бы друг друга в некотором интегральном смысле. Иными словами – в случае бустинга – ошибка прогноза линейной композиции была бы минимальной, а в случае портфельной оптимизации –  была бы минимальной ошибка прогноза нелинейной композиции (то есть самого портфеля).

— концепция регулирования со стороны ЦБ сейчас — таргетирование инфляции.
Другими словами, основная задача удержать инфляцию (номинальную) в заданных параметрах любой ценой.
Стерилизация денежной массы — это создание условий при которых свободная ликвидности изымается из реальной экономики и «связывается» максимально долгосрочно в финансовом секторе.



Грубо говоря человек имеющий свободные средства размещает из на депозите, в ОФЗ и т.д и живет на % — пока ему этого %та хватает на жизнь он не пытается купить бетон, открыть автомойку, пекарню и т.д.

Гляжу некоторые персонажи соскучились по «празднику медведя»? Сильву пле — выполняю их пожелания. 

С сегодняшнего дня я открываю «Праздник медведя». Моя задача — снять все пенки и сливки с этого чудесного мероприятия.

Хорошие возможности для заработка на медвежей стороне рынок предоставляет далеко не часто. Вот именно поэтому мне косолапому крайне необходимо принять активное участие на этом празднике.

В январе один мультяшный персонаж, как водится на выходных, ещё раз напомнил о перспективах роста нашего рынка на этот год. И слёзно посочувствовал медведям. Я тоже до слёз растроган его растроганностью (гы-гы-гы).

Быков пугать не собираюсь. Покупайте и инвестируйте себе на здоровье. Тем более на вашей стороне сам барон Мюнхгаузен со своими чудесными перспективами на рост. Вот и чудесненько. Рад за вас.

На смарте пошли бычьи посты волновиков-кудесников запускающих по своим волнам Сбербанк за 300 (гы-гы-гы). Вот это правильно. Молодцы, так держать.

Для статистики овучиваю ценники на данный момент:

Леонардо Пизанский — первый крупный математик средневековой Европы. Наиболее известен под прозвищем Фибоначчи в трейдинге просто Фибо. Придумал он такую вещь как ряд Фибоначчи — это бесконечная последовательность чисел, каждое из которых является суммой двух предыдущих и так до бесконечности 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144….

13/21=0.619          21/13=1.615   

21/34=0,617          34/21=1.619

34/55=0,618          55/34=1.617

55/89=0,617          89/55=1.618

Многие видят эту спираль во всем.