Собственно сама статья здесь. Вскоре после выхода она вызвала бурные обсуждения на этом сайте
Только несколько ссылок
https://smart-lab.ru/blog/71539.php
https://smart-lab.ru/blog/71855.php
https://smart-lab.ru/blog/72101.php
https://smart-lab.ru/blog/offtop/99158.php
https://smart-lab.ru/blog/73209.php

Мы тогда задавались вопросом: «А кто автор?». Меня это тоже интересовало, потому что очевидно было, что в статье под псевдонимом «Статистик» выведен я. И в тексте была фраза «Я знаю Статистика хорошо и давно.». Долго думал, кто же это из моих знакомых...

А вот и реальный автор (с 6:06)



Ну вот теперь я все знаю. Конечно с Виктором мы пересекались в 2010-2011 годах.

Прочитал у известного персонажа вот такое заблуждение 

Эффективность математики только в поиске закономерности рыночного движения — паттернов которые способны реально материализовать вашу прибыль.

Написана полная ерунда. Позволю себе процитировать фразу, с которой я начинал свой курс «Алгоритмическая торговля. Научный подход» :
Математика в общем случае не даст Вам ответа на вопрос КАК ДЕЛАТЬ? Но она даст Вам ответ на другой важный вопрос ЧТО ДЕЛАТЬ, А ЧТО НЕ ДЕЛАТЬ?

Что из этого следует? А то, что математика не может быть «эффективна» в поиске паттернов, она лишь может точно сказать: найденные Вами паттерны — это реальные закономерности или чушь собачья.

Как правильно заметил мальчик BuyBuy в своём топике: самый простой способ это сделать, это проверить свои паттерны на качественно (!) смоделированом случайном блуждании и если окажется, что и там все лучше самой доходной пассивной стратегии, то значит это чушь собачья.

Как сделать качественное случайное блуждание для последовательности свечей реального актива?

( Читать дальше )

Отрывок, полная версия: https://blackpointcap.com/documents/Recession%20Roadmap.pdf


На первый взгляд каждая рецессия уникальна. Разные эпохи, технологии, уровень развития, сектора и действующие лица. Но если изучить каждую, то можно увидеть, что все рецессии очень похожи, вплоть до мыслей людей и газетных заголовков.

Все начинается с хрупкой среды. Хрупкая среда — это почва, на которой рецессия становится возможной. Хрупкость не увидишь в показателях компаний или уверенности потребителей, скорее наоборот. Хрупкость — это уникальное стечение обстоятельств, когда подавляющее число экономических субъектов находятся в состоянии неспособности принять и перенести первый шок.

Первый шок — это какое-либо существенное отрицательное экономическое событие. Стоит отметить, что подобные Первые шоки происходят достаточно часто, но в большинстве случаев среда не находится в хрупком состоянии и поэтому мы перевариваем их и идем дальше.

( Читать дальше )

Пятница. Смеркалось… Фонарь… Аптека… Антивирусные напитки :-)

Из рубрики «Невыдуманные истории».
Поменьше бы таких историй, но, как говорится, из песни слов не выкинешь…
Этот пост является продолжением предыдущего топика – Да фиг его знает!, где речь шла про молодого сотрудника Стаса. Там я сначала стал биржевым гуру, а через пару дней перестал им быть :-)
Напомню, там падающие акции «Лукойла» никак не хотели приподниматься, и на следующий день я посоветовал Стасу закрыть их по рыночной цене. Понимаю, как это больно, любой смартлабовец подтвердит, каково это, крыть убыток по рыночной цене. Фиксировать убыток… Это реально больно, по себе знаю.
Вот и Стасу было больно, услышав мою рекомендацию, он стремительно вышел из комнаты и больше я его не видел. Нет, однажды я его всё-таки увидел, собственно, об этом и мой пост. 

Крылья
Сразу скажу, что заголовок этого топика – не мой. Это был вскрик молодого сотрудника Стаса, который влетел в мой кабинет летним жарким днём десять лет назад. Почему влетел, а не ворвался? А потому что взмахнул крыльями и тут же вознёсся к потолку. А вы когда-нибудь видели человека с крыльями за спиной? Вот и я не видел. Поэтому я реально опешил…

( Читать дальше )

А все гораздо проще. Пусть наш начальный капитал N, тогда после формирования позиции «продаем колл, покупаем пут» у нас на счете будет

N+C-S*(1+R)^-1

из которых С мы должны отдать на покупку актива, остается

N-S*(1+R)^-1.

Если эта величина отрицательна, то мы должны на нее прокредитоваться под безрисковую ставку, если положительна, то разместить под безрисковую ставку. Что мы имеем? Мы имеем либо кредит, либо депозит плюс позиция, которая гарантировано нам даст выплату в размере S на экспирацию. Почему верно последнее? Очень просто. Если цены упадут, то проданный колл «сгорит», а купленный пут мы реализуем и получим S, если цены вырастут, то купленный пут нам не нужен, а по проданному коллу мы продадим актив за S. Получается, что кредит нам принесет только убыток и потому он бессмысленен и конструкция имеет смысл только при N>S*(1+R)^-1. Последнее неравенство можно спокойно заменить на равенство, так как задействовать капитал под эту конструкцию больше S*(1+R)

( Читать дальше )

Не знаю, как сейчас, а в мое время простейшие свойства интегралов и производных проходили в 10 классе средней школы. Не верите? Ну найдите учебник по алгебре для 10 класса второй половины 70-х.

Нет, конечно интегралов будет недостаточно. Надо немножко знать теорию вероятностей, а именно что представляет из себя среднее (математическое ожидание) произвольной функции по некоторому распределению аргумента. Ещё из теории вероятностей нам потребуется определение нормального распределения, которое конечно в школе тоже не проходят. 

Итак, пара общих определений.
Платежное поручение — это обязательство продавца выплатить некоторую сумму покупателю, зависящую от  цены базового актива в будущий момент времени Т — С(Т).
Платежной функцией платежного поручения называется функция выплат f(C(T)).

Тогда справедливой ценой платежного поручения можно считать среднее f(C(T)) по распределению будущей цены С(Т) (чаще всего неизвестному точно), деленную на 1+R, где R- безрисковая ставка до момента времени Т.

( Читать дальше )

Пишу потому, что к большому моему удивлению открыл, что весьма активные писатели Смарт-лаба этого не знают. В главном потоке программы Quik работают только функции обратного вызова типа OnTransReply, OnTrade и индикаторы. Кстати, OnTrade срабатывает не только по заявкам из скрипта, но и поданным интерактивно.

Дело обработчиков событий не обрабатывать, но регистрировать их.
Неверные представления о потоках в Quik'е вынуждают этих писателей городить абсурдный обмен данными между Quik'ом и внешними приложениями. Тогда как вся информация по событиям может быть обработана средствами QLua во вторичных скриптовых потоках без помех для главного потока Quik'а.

Хотя QLua обладает весьма эффективными средствами взаимодействия с любым приложением Windows, не так просто придумать повод для обращения QLua за посторонней помощью. Например, сохранять на диске текущие данные QLua может массой способов от простейшего io.read/write до SQLite.
Количество библиотек для QLua просто изумляет.

NB. Известная проблема скриптовых языков, что ошибки-описки в именах функций и переменных влекут трудно диагностируемые сбои работы, решается двумя простейшими средствами.

( Читать дальше )

1 диаграмма: Россия среди немногих – в цикле восстановления

2 диаграмма: инвесторы предпочитают деривативы на индексы широкого рынка

3 гистограмма: большие деньги никогда не были так наименее оптимистичными

4: ETFы предпочитают шорты

5 график: впервые в истории сипи растет «тока на свои»…

 

( Читать дальше )

Всего лишь неделю нужно для того, чтобы каждый из вас смог сам научиться программировать сверточные нейронные сети, которые торгуют не хуже этой*:

Основное отличие машинного обучения от традиционного программирования состоит в том, что в задачах классического программирования вы знаете некие правила и жестко программируете их в поведении программы; в задачах машинного обучения вы не знаете по каким конкретно правилам должна работать программа и позволяете моделям машинного обучения самим найти их. Если вы хотите создать торгового робота, обычно, вы сами ищете некоторые правила (например, пересечение скользяшек, MACD>80 при убывающей луне — покупаю 2 лота) и жестко задаете такое поведения в роботе, тестируете и, возможно, оптимизируете некоторые параметры, но почему бы не поручить само придумывание правил машине? Методы машинного обучения, в теории, могут сами выбрать индикаторы, разработать правила входа, выхода и оптимальный размер позиций. Да чего уж… они могут сами придумать индикаторы, паттерны, которые могут быть гораздо лучше чем то, что придумали до этого люди. Ведь так и случилось в сфере обработки изображений, нейронные сети научились выделять значимые признаки из изображений гораздо лучше, чем алгоритмы, придуманные людьми. Компьютер обыгрывает людей в шахматы — игру, знания для которой люди накапливали ни одну сотню лет. Станет ли алготрейдинг следующей сферой, где будет господствовать нейронные сети или какой другой метод машинного обучения?

( Читать дальше )

При сортировке по дате оказалось очень удобно искать то, что написал ранее, для ссылок под топиками аналогичной тематики

https://smart-lab.ru/my/AGorchakov/tree/order_by_topic_date_add/asc/

С удивлением увидел, что оказывается я не так много и написал полезных топиков за 8 лет с момента регистрации (топики с комментариями «на злобу дня» и объявлениями о прошедших вебинарах и семинарах я в оглавление не включил).