Избранное трейдера Валерий Понаморев
Акция, в привычном понимании, это ценная бумага, подтверждающую право держателя на владение долей в компании, на получение части прибыли, или имущества компании, в случае ее ликвидации, или реорганизации, пропорционально доле акций в акционерном капитале.
Но так ли это, в случае покупки акций Китайских компаний, обращающихся не на локальных биржах? Стоит разобраться, что на самом деле покупают инвесторы, вместо акций Alibaba, Tencent или фондов на китайские акции (FXCN, VTBE и др).
Привет, почти 2 месяца назад мы запустили первую версию нашей библиотеки PQR для тестирования инвестиционных идей. Основная суть: системно проверять аномалии на большой группе акций. Например, вы ведете таблицы с мультипликаторами компаний и биржевых котировок. Цель — покупать 10% недооцененных бумаг с наименьшим значение P/E и ребалансировать портфель раз в месяц.
Разделов для улучшения было так много, что Андрей (github.com/eura17) почти полностью переписал все функции. Основные изменения:
1) Переход к объектно-ориентированному программированию. Код легче читается и занимает меньше места.
2) Добавили функцию correct_matrices — она приравнивает матрицы с исходными данными к одному виду. Сортирует и удаляет отсутствующие в остальных матрицах столбцы (акции) и строки (периоды);
3) Появилась документация на readthedocs: pqr.readthedocs.io/en/latest/index.html
4) Возможность перебора параметров стратегии через grid_search. Быстрый вывод таблицы с результатами или отдельного параметра (например, Шарп) для стратегий с разными периодами наблюдения, удержания и лагом;
м/у мной и банком заключен ДКБО. В рамках которого банк прописывает, что волен изменять условия договора и тарифы в одностороннем порядке, без надлежащего оповещения клиента.Я возражаю против включения в договор данного пункта на основании ст 16 ЗоЗПП и ст 168 ГК РФ.
Дата, подпись.
Здесь периодически возникают статьи про применение нейронок в трейдинге.
Я решил поделиться примером того, как в одном пайплайне (единая структура программного кода) можно построить, обучить и протестировать нейронку в торговом алгоритме.
Статья будет более полезна и понятна тем, кто имеет хоть небольшой опыт работы с Python.
Итак, наша задача проверить, есть ли вообще надежда на успешное применение нейронных сетей в трейдинге, проверить гипотезу на простом алгоритме, понять, как можно в случае успеха перенести все на боевую среду (реальный торговый робот), и желательно, продемонстрировать все это понятно и доходчиво.
Чтобы в конце концов сделать вывод о перспективности применения нейронок, будем соревноваться с индексом РТС.
Сразу сделаю дисклеймер, все рассматриваемые и полученные в статье результаты являются лишь простым примером, и применять их на реальных деньгах не рекомендую. И я не буду давать теорию по нейронным сетям и работе с ними. Всё это находится/читается/выучивается.
Я уже рассказывал о том, как написал скрипт для поиска ликвидных облигаций. Но в 2021 году ситуация поменялась.
С 1 января 2021 года в России удерживается НДФЛ с купонов по всем облигациям.
Раньше действовал п. 25 ст. 217 налогового кодекса — по нему проценты по государственным и муниципальным облигациям РФ освобождались от НДФЛ. А сейчас этот пункт прекратил свое действие. Теперь и ОФЗ, и муниципальные, и корпоративные облигации оказались на одном уровне в плане налогов.
Я понял, что пора обновлять мою таблицу со скриптом. Заодно я задумался о том, чтобы учитывать в таблице не только ликвидность, но и месяцы выплат. Это важно для прогнозирования денежного потока поступлений по месяцам, чтобы разнести выплаты по как можно большему числу месяцев.