Избранное трейдера NoName
Если ты — самый умный в комнате — ты не в той комнате.
Последние недели рынок меня радуют.
Это какой-то праздник для инвесторов! То о чем мы так долго говорили, свершилось! Ура, товарищи!
Новости про дивиденды госкомпаний по 50% от чистой прибыли (помню 25% не могли протолкнуть – вот что нефть по 30-40 долл. за баррель делает), индекс ММВБ пробил исторические хаи (правда, это рублевый индекс, и многие про это забывают), мои фонды (альфасамцам из УК Арсагера – респект!) дают еще хорошую альфу к бенчмарку (+9% сверху к индексу ММВБ с начала года на 27 апреля 2016 года), да и еще весна и тепло пришли в Питер…
Считаю, что мы сейчас находимся в точке перелома. Растет Газпром, растут дочки Россети (хотя они с начала года уже показали более +50%, но то ли еще будет) — это клондайк какой-то!!! И таких идей на российском рынке очень много.
1. Фундаментальный анализ
2. Технический анализ
3. Художественная литература
4. Психология трейдинга
5. Поведенческие финансы
6. Биография, интервью, истории
7. Разное
8. Книги на английском
Фундаментальный анализ
1. “Финансовая отчетность для руководителей и начинающих специалистов”
Автор: Алексей Герасименко.
Посчитал на R спред между акциями Google и Apple с учётом соотношения (hedge ratio). И нанёс среднюю линию с двумя среднеквадратичными отклонениями сверху и снизу. Красота.
Делается на R это очень просто, код ниже.
require(quantmod)
> startT <- «2015-01-01»
> endT <- «2016-01-01»
> rangeT <- paste(startT, "::", endT, sep="")
> symbols <- c(«AAPL», «GOOG»)
> getSymbols(symbols)
[1] «AAPL» «GOOG»
> tGOOG <- GOOG[,6][rangeT]
> pdtGOOG <- diff(tGOOG)[-1]
> tAAPL <- AAPL[,6][rangeT]
> pdtAAPL <- diff(tAAPL)[-1]
> model <- lm(pdtAAPL ~ pdtGOOG)
> hr <- as.numeric(model$coefficients[1])
> spreadT <- tAAPL — hr * tGOOG
> meanT <- as.numeric(mean(spreadT, na.rm=TRUE))
> sdT <- as.numeric(sd(spreadT, na.rm=TRUE))
> par(mfrow = c(2,1))
> hist(spreadT, col=«blue», breaks = 100, main = «Spread Histogram (AAPL vs GOOG)»)
> plot(spreadT, main=«AAPL vs GOOG spread (in-sample period)»)
> abline(h = meanT, col = «red», lwd = 2)
> abline(h = meanT + 1 * sdT, col = «blue», lwd = 2)
> abline(h = meanT — 1 * sdT, col = «blue», lwd = 2)
Здесь:
meanT — среднее
sdT — среднекв. отклонение
spreadT — спред
par — график с двумя секциями
plot — график
hist — гистограмма
abline — линия поверх графика
model — линейная зависимость модель, МНК
quantmod — библиотека для получения исторических данных
rangeT — временной диапазон
Добрый день, уважаемые читатели Smart-LAB!
Я получил большое количество вопросов по фонду FXMM (a.k.a. «убийца текущих счетов»), так что для интересующихся – небольшая информационная справка по фонду. В ней описан принцип работы фонда денежного рынка (FXMM), включая механизм валютного хеджирования в формате “вопрос – ответ”. Не стесняйтесь, задавайте вопросы – продукт новый, зачастую детали ускользают, но мы готовы раскрыть информацию о фонде «чуть больше чем полностью».
Из чего состоит портфель Фонда?
Из максимально «коротких» (1-3 мес.) облигаций Казначейства США (T-Bills) и однодневного своп-контракта на валютную пару рубль-доллар (RUBUSD)
От чего зависит доходность по своп-контракту (“свопу”) на рубль-доллар?
От разницы между рублевой и долларовой процентными ставками на межбанковском рынке. В связи с тем, что долларовые ставки относительно стабильны, решающее влияние на доходность свопа оказывает рублевая ставка процента, складывающаяся на межбанковском рынке (хорошим ориентиром может быть ставка межбанковского рынка кредитования, например RUONIA
В данном цикле статей начинаем рассматривать модель Маркова, которая находит применение в задачах классификации состояния рынка и используется во многих биржевых роботах. Статьи основаны на постах, опубликованных в блоге Gekko Quant. Также будет рассмотрены практические алгоритмы на финансовых рынках. Код в цикле приведен на языке R. Вначале будет много теории, ее надо хотя бы попробовать понять, затем разберем практические примеры.
Рабочая среда распознавания основных паттернов.
Рассмотрим набор признаков O, полученный из набора данных d и класс w, обозначающий наиболее подходящий класс для O:
В первой статье, я описал арбитражную стратегию Call Put паритет и способы её торговли, учитывая недостаток ликвидности опционов. В этот раз более практический подход, расскажу как я торгую.
Для тех, кто подзабыл, напомню, что основной моей концепцией является исполнение заявок на вход в опционный паритет в определённой очерёдности. Так как издержки накладываемые стоимостью транзакций и комиссиями биржи и брокера слишком высоки, что бы одновременно выставить на рынок и перемещать до исполнения, заявки по трём инструментам.
Для тех, у кого есть возможность торговать на сервере расположенном на расстоянии вытянутой руки до ядра биржи, тем самым уменьшив время отклика на передвижении заявок, можно использовать схему уменьшения транзакций, при которой мы будет двигаться только фьючерс базового актива, из ходя из расчёта исполнения опционов по рынку.
Можно даже посчитать экономику этой стратегии при торговли паритетом на фьючерс РТС: