Алготрейдинг

          Здравствуйте!

          Публикуем итоги апреля. Месяц прошел благоприятным для всех стратегий управления. Присутствовали стабильные направленные движения по всем торгуемых инструментам Срочного рынка.

Ниже общая эквити одного из счетов. Заданная просадка 30%, с учетом комиссии брокера и биржи. Доходность в апреле +11,63%.

         Так же к марту закончили ресерч нескольких опционных стратегий, в реале обкатываю на личном счете в совокупности с портфелем направленных стратегий. Цель — получать стабильный фин рез на скачках волатильности в отдельных опционах, без переноса через выходные. Но основной профит делают именно алгоритмы, с более длительным удержанием позиции.
          
         Ниже эквити моего счета опционы+алги, в % с17.03.2020:




Всем успехов!

Привет, новая неделя – новый бэктест факторной стратегии. На этот раз не только на Мосбирже и не только в акциях. Первоначально тут планировался большой текст про взаимодействие Моментума, торгового оборота и волатильности на неликвидных рынках и последующий Шарп сильно за 2.

Но в последний момент решили выпускать стратегии по нарастанию их сложности.  Сегодня речь не об «иксах», но об очень устойчивой штуке – получению доходности выше рыночной за длинный промежуток по разным классам активов без принятия рисков отдельных компаний или стран.

Традиционный график с результатом перед стеной текста:

Источник: Sentimetrica

Синяя линия – модификация Моментума на глобальных рынках, зеленая – индекс глобальных акций MSCI World, красная – равновзвешенный портфель из акций, казначейских векселей США и сырьевой корзины.

Из всех стратегий американских биржевых гуру – самыми полюбившимися для меня стали идеи получения ВСЕЙ рыночной доходности Джона Богла и CANSLIM Уильяма Онил. У фраз «Индекс в долгосроке всегда растет» и «Лучшие компании остаются лучшими» много общего, верно? Попробуем оформить объединенную стратегию на основе классиков.

Доброго времени суток!
Пишу этот пост с целью поделиться своей стратегией и live трансляцией сделок. Начну с небольшого предисловия: с 2015 года мы занимались (и занимаемся) разработкой крупных и сложнотехнических онлайн проектов, параллельно приобщаясь к криптовалюте и в дальнейшем к трейдингу. Нарабатывая опыт и совмещая программирование с торговлей на биржах, мы тестировали кучу разных стратегий и арбитражей. В итоге, всё оказалось гораздо проще, чем мы могли представить. Как писал Насим Таллеб: "… миром правят самые простые технологии, которые логичнее назвать инструментами...", и это действительно так, на мой взгляд.
Сейчас я попытаюсь описать концепцию алгоритма, который нам удалось автоматизировать и доработать. За основу мы взяли консервативную стратегию сетки ордеров, которая берет своё начало со времен Форекса и добавили в нее бесконечное множество открываемых ордеров после исполнениях основных (стартовых). Новые ордера служат некими «противовесами» для старых и создают основную прибыль в любом направлении рынка. Ниже я опишу, что для нас является прибылью и на что влияет то или иное направление рынка.

Начинающие (да и не только) инвесторы часто задаются вопросом о том, как отобрать для себя идеальное соотношение активов входящих в портфель. Часто (или не очень, но знаю про двух точно) у некоторых брокеров эту функцию выполняет торговый робот. Но заложенные в них алгоритмы не раскрываются.

В этом посте будет рассмотрено то, как оптимизировать портфель при помощи Python и симуляции Монте Карло. Под оптимизацией портфеля понимается такое соотношение весов, которое будет удовлетворять одному из условий:

• Портфель с минимальным уровнем риском при желаемой доходности;
• Портфель с максимальной доходностью при установленном риске;
• Портфель с максимальным значением доходности

Для расчета возьмем девять акций, которые рекомендовал торговый робот одного из брокеров на начало января 2020 года и так же он устанавливал по ним оптимальные веса в портфеле: 'ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM' и 'PKI'. Для анализа будет взяты данные по акциям за последние три года.

#Загружаем библиотеки

import pandas as pd
import yfinance as yf
import numpy as np
import matplotlib.pyplot as plt

# Получаем данные по акциям
ticker = ['ATVI','BA','CNP','CMA', 'STZ','GPN','MPC','NEM', 'PKI']

stock = yf.download(ticker,'2017-01-01', '2019-01-31')

Вспомнился мне тут алгоритм, который я торговал на крипте в 2017 году.

2017 год, время когда BTC и вся остальная крипта летела to the moon. Алгоритмически было практически нереально обогнать B&H, но все прекрасно понимали, что когда-нибудь пузырь сдуется. У меня не было никакого желания строить алго в такое время, для бектестов просто не было данных, отражающих разные стадии рынка. Но все же за криптой я следил, хоть и немного со стороны — подписался на разные каналы в телеге и время от времени почитывал. Как это принято в телеге, один канал пиарит другой и так мне на глаза попались Pump каналы. Ребята разгоняли тонкие шиткоины на Bittrex, YoBit и еще нескольких биржах на 150-400% в течение нескольких минут. Казалось бы — деньги на ладоне, включай телеграм бота и входи на момент публикации сообщения с тикером. Но все было не так радостно — спреды гигантские и войти по хорошим ценам просто нереально. Легко сообразить что, собственники каналов закупались намного раньше и на спайке сливали все свои монеты. Для толпы были красивые графики и цифры роста, но заработать было, конечно, очень трудно. Само же существование таких каналов давало неплохой эйдж -пампы анонсировались заранее, обычно за несколько дней, было точно известно время пампа и биржа. Дальше уже дело было за техникой — я собрал котировки всех шиткоинов за последние полгода, нашел промежутки, когда монеты пампили и разбил все это на время дня. Наибольшее количество пампов приходилось на 13-00 по мск, что в общем-то неплохо коррелировало с тем, что я видел в каналах. Сама идея стратегии очень проста — покупаем монеты, которые потенциально могут быть разогнаны в наиболее вероятное время (а по началу это всегда была либо середина, либо начало часа), выходим по тейку (вроде 120%) или после окончания памп периода. Первичный тест на широком портфеле (порядка 150 тикеров, если память не изменяет) был достаточно неплох, но большая комиссия + тонкий рынок съедали очень много прибыли от выстреливших монет (иногда их было несколько за один день). Логичным решением было сузить круг торгуемых тикеров, что я и сделал. Сначала убрал тикеры, с большой ликвидностью (их тяжело разгонять и далеко они не улетают), затем убрал тикеры с совсем маленькой ликвидностью (улетают хорошо, но тяжело выходить, если не полетели), затем убрал тикеры, пампы по которым были не так давно, ну и наконец отфильтровал тикеры по диапазону цены (чем дешевле, тем лучше летали). Таким образом в каждый день выходило всего около 20 тикеров, из которых стрелял 1-2. Суммарный результат получался, конечно, не таким впечатляющим как 100% на сделку, но в целом выглядел неплохо. За пару дней я написал коннектор к бирже (Bittrex) + простенький движок конкретно для этой стратегии. Это был октябрь или ноябрь 2017. В итоге я проторговал эту стратегию где-то до февраля, а сломалась она где-то в январе. В переводе, на биток доходность за этот период была порядка 400%, в долларах — намного больше за счет роста самого битка. Увы, емкость стратегии была очень мала.