Доклад «Оптимизация портфеля алгоритмических стратегий»

1. Введение

В чем состоит цель подобной оптимизации? Представим, что у нас есть набор алгоритмов, каждый из которых обладает некоторыми статистическими свойствами, из которых наиболее важными для нас являются доходность и максимальная величина просадки. В основе каждого из алгоритмов лежат разные стратегии, которые, тем не менее, могут быть коррелированы между собой в разной степени, торговля также может вестись на разных инструментах. В качестве примера приведу характеристики стратегий, которые были разработаны нашей командой и применяются в боевых торгах в настоящее время:

Так как свойства каждого из алгоритмов отличаются, возникает проблема: каким образом распределить между ними доступный капитал для того чтобы:

1. Максимизировать доход при заданном уровне риска ( то есть максимальной величине просадки)

2. Минимизировать риск при заданной доходности

Если дать, например равные доли капитала каждому алгоритму, то, очевидно, что такое распределение не будет оптимальным, так как мы не учитываем характеристики, присущие стратегиям. Не будет оптимальным и тот случай, когда мы, например, выделяем капитал пропорционально относительной доходности каждого алгоритма, здесь мы игнорируем значения волатильности, то есть риска, стратегий.

2. Модель Марковица

Задачу оптимизации попробуем решить, применив теорию оптимального портфеля, разработанную Марковицем, точнее некоторые последующие ее модификации. Обычно данная теория применяется для долгосрочного инвестиционного портфеля, состоящего из различных активов, например акций. Кратко  суть теории.

( Читать дальше )

Полезная статья с сайта www.quantinsti.com о тесте на коинтеграцию, применяемому в парном трейдинге.

Как вы знаете, для реализации стратегии парного трейдинга необходимо проведение тестов на коинтеграцию используемых инструментов, и для этой цели часто применяют дополненный тест Дики-Фулера (ADF). Тем не менее, при поиске критериев коинтеграции, ADF не стоит в первых рядах. Скорее, его можно найти по запросу «тестирование на единичный корень (unit root)».

Казалось бы, легко взять книгу по временным сериям и научиться ADF, но эта задача на деле не так проста.Необходимо прочитать не менее 6 глав об анализе временных серий перед тем, как понять различные способы применения ADF в контексте статистического арбитража.

Если вы хотите изучить тест подробно, то прочитайте статью по следующей ссылке: http://robotwealth.com/exploring-mean-reversion-and-cointegration-part-2/

( Читать дальше )

Речь пойдет о достаточности капитала в трейдинге. Считаю, что потери времени на трейдинг оправданы, только если он приносит моральное удовлетворение и хорошую прибавку к зарплате. 

Думаю, копить надо, пока у тебя нет капитала, достаточного для оправдания времени, которое тратится на управление им. Под управлением я понимаю изучение рынка и поиск идей.

Считаю, что управление может давать 20% годовых. Это консервативная цифра, большая доходность связана с повышенным риском. Также считаю, что тратить время на управление есть смысл, только если это управление приносит больше 15% от зарплаты. Для меня 10-20% от зарплаты — это достаточная сумма в месяц, чтобы что-то предпринять ради ее получения, ну, например, поменять работу. В остальных случаях нужно просто копить, так как затраты времени не будут оправдывать ожиданий и можно впасть в тильт. 

Тогда в зависимости от зарплаты можно вычислить необходимый капитал, управление которым бы оправдывало затраты времени. И я это сделал. 

( Читать дальше )

Еще одна статья с ресурса www.talaikis.com по разработке простой стратегии на модели Маркова с использованием Python.

Модель скрытых состояний Маркова — это производительная, вероятностная модель, в которой последовательность наблюдаемых переменных генерируется некоторыми неизвестными (скрытыми) состояниями. Мы попытаемся найти такие неизвестные вероятностные функции для, скажем, S&P500. Все опишем кратко, без проверок на ошибки, без тестов вне выборки и т.д. Мы делаем это для того, чтобы минимизировать склонность к ненужному усложнению для начинающих. (Подробнее о модели Маркова см. на моем сайте — www.quantalgos.ru)

Что будем использовать:

библиотеку Python - hmmlearn.

1. Данные. Возьмем данные по свечам (OHLC), включающие объем, из нашей базы 

( Читать дальше )

В ожидании важных для рубля новостей...
На предыдущем заседании 10 июня Совет директоров Банка России принял решение снизить ключевую ставку на 0,5% до 10,50% годовых. В качестве главных аргументов Совет директоров отметил позитивные процессы стабилизации инфляции, снижения инфляционных ожиданий и инфляционных рисков на фоне признаков приближающегося вхождения экономики в фазу восстановительного роста. 

Поскольку динамика инфляции продолжает оставаться ключевым фактором для принятия решения на предстоящем заседании, то напомним сложившееся к сегодняшнему дню положение вещей. По последним данным Росстата  за период с 19 по 25 июля 2016г. индекс потребительских цен составил 100,1%, с начала июля — 100,6%, с начала года — 104,0% (июль 2015г.: в целом за месяц — 100,8%, с начала года — 109,4%). 

В июле мы вновь стали свидетелями существенного ускорения инфляции за счет ростов тарифов ЖКХ. Однако благоприятным и отрадным фактором является остающийся пока весьма умеренным рост цен на моторное топливо. Последние данные Росстата по этим позициям выглядят следующим образом:

( Читать дальше )

Многие трейдеры слышали, что существуют некие, мистические рыночно-нейтральные стратегии. Самый распространенный вид таких стратегий — Парный трейднг. 

Сегодня предлагаю описание одной из простейших стратегий парного трейдинга построенной на разности одного инструмента по отношению к другому.

Для начало предлагаю разобраться, что такое парный трейдинг? Если с направленной торговлей, или как многие называют позиционной, все понятно, то вот определение парного трейдинга требует расшифровки.

Парный трейдинг- это когда мы торгуем 2-мя инструментами одновременно, причем один финансовый инструмент мы обязательно покупаем, а второй продаем. Одновременно у нас открыто 2 сделки по 2-м разным финансовым инструментам и причем в «разные стороны». 

Предлагаю для начало взглянуть на динамику фьючерсов Роснефти и ЛУКОЙЛа (обе данные бумаги представляют нефтегазовый сектор на российском рынке)



( Читать дальше )

Все крупные прорывы в промышленности происходят, когда удается решить какую-то научно-техническую проблему. 

Я сам химик по образованию и в институте занимался иногда в свободное время решением актуальных проблем от разных компаний. Было это лет 10 назад. Есть специальные сайты, где публикуют задачи и за решение выдают премии. Сайт я использовал этот: innocentive.com . Премии эти были от 10 до 100 тыс $. Редко больше. Но суть в том, что по этим проблемам можно определить, к чему стремится мир, какие проблемы актуальны и что, возможно, ожидает нас в будущем в случае их решения.

Лично я участвовал в решении трех проблем, правда, безуспешно:

1. Проблемы, связанной с новым электролитом для литий-ионных батарей. Тогда я не понимал, кому это может быть нужно, но требовалось найти более эффективный электролит именно для этих батарей. Я тогда еще думал, а зачем их улучшать, если можно сделать принципиально другие батареи. Но предложил какое-то соединение на основе каких-то дорогих элементов, уже даже не помню. Сегодня я понимаю, кто мог быть автором этой задачи — любая компания, которая сейчас производит смартфоны или электромобили. Проблема супер актуальная. 

( Читать дальше )

Продолжение. Начало здесь.

Выбор активов

Для долгосрочных портфелей вы не сможете использовать такой же высокий леверидж Форекса или инструментов CFD, которые вы предпочитаете использовать для своих краткосрочных стратегий. Вместо этого вы обычно инвестируете в акции, ETF или подобные инструменты. Они предлагают несколько преимуществ для алго-трейдинга:

 

— Никаких игр «кто кого». В долгосрочной перспективе, акции и индекс ETF имеют положительную среднюю окупаемость благодаря дивидендам и накопленным значениям, в то время как валютные пары Форекса и индексы CFD имеют отрицательную среднюю окупаемость вследствие сборов за своп/пролонгацию кредита.
— Серьезные брокеры. Все брокеры фондовой биржи/ETF контролируются, чего нельзя сказать о брокерах Forex/CFD.

( Читать дальше )

Просматриваю CBS MoneyWatch, прочитал интересную статью. 

Суть ее в том, что у 1 золотого % богатых (в США) доходы выросли за 6 лет на 27% с 2009 по 2015, а у 99% бедных только на 7.6%. 

После этого доходы богатых составили 1.4 млн $, а бедных 48800 $. (видимо, в год)

Богатые богатеют еще сильнее, а бедные стоят на месте по инфляции или в лучшем случае, если экономика восстанавливается, их положение улучшается. 

Популярная поговорка, что богатые богатеют, работает. Деньги притягивают деньги. 

Американцы, кстати, беспокоятся о том, что неравенство между богатыми и бедными сильно стало расти после 1980 гг.