Результаты консервативной количественной инвестиционной модели LQI (lazy quantitative investing), о которой я писал ранее (https://smart-lab.ru/blog/384110.php), за май (результаты за прошлый месяц: smart-lab.ru/blog/468636.php). На рынках продолжалась неопределенная динамика, модель уже второй месяц подряд отстала от своих бенчмарков — SPY & EQW (равновзвешенный портфель торгуемых тикеров). Вот веса предыдущего месяца и соответствующие ретурны торгуемых тикеров:
weight monthly.ret
XLY 0.000 1.99
XLP 0.000 -1.57
XLE 0.062 2.98
XLF 0.123 -0.98
XLV 0.101 0.18
XLI 0.139 3.03
XLB 0.000 2.05
XLK 0.000 6.71
XLU 0.050 -1.11
IYZ 0.000 -1.53
VNQ 0.000 3.68
SHY 0.000 0.35
TLT 0.317 2.01
GLD 0.208 -1.20
Корреляция между весами и ретурнами отрицательная — (-0.11), как следствие — андерперформанс модели: +0.84% LQI vs +2.38% SPY & +1.19% EQW. В терминах максимальной просадки в течение месяца модель чуть лучше SPY и чуть хуже EQW: 1.2% у модели vs. 1.6% SPY vs. 0.8% EQW.
Динамика секторов была неоднозначная, но скорее с преобладанием роста — в плюсе оказались проциклические XLE, XLI, XLB & XLK, в убытках или около нуля закончили все защитные, за исключением TLT & VNQ. Значительная доля защитных активов в портфеле, плюс отсутствие выросшего почти на 7% за месяц кислотного в настоящее вермя сектора technology (XLK) и объясняет полученный результат.
Для меня исследование получилось интересным, было очень любопытно, что получится в итоге. Также полезным было вообще проработать эту тему, вспомнить матчасть, изучить новую инфу.
Мотивирующим фактором в написании своего фрагмента истории, стал пост https://smart-lab.ru/blog/465721.php
В 2013 году собрал команду, для написания роботов. К этому времени была рабочая стратегия, которая давала Профит на фьючерсе индекса РТС. Основана была на индикаторе RSI. Торговал я её ручками, поэтому хотелось формализовать в робота.
Программа для написания робота была выбрана Omega Research TradeStation. Котировки и дополнительную информацию брали у Юрия Кондратенко, а так же с его сайта.
После написания и запуска робота в боевом режиме, начался поиск новых идей.
Было перелопачено куча информации по алго. Несчетное количество бэктестов. Получая положительный тест стратегии, глаза начинали загораться, думая вот он тот самый «ГРААЛЬ». Но по истечении определённого времени " Система ломалась" и вера в «Вечный двигатель» угасала. В это время проходил постоянный поиск новых стратегий. Временами компьютер работал сутками, оптимизируя те или иные стратегии.
Первая часть вроде бы вызвала некоторый интерес, поэтому, как и обещал, пишу продолжение.
Напоминаю, что мы тут пытаемся формализоввать тренд и создать на основе этого фильтры и идеи для алгоритмических стратегий. Работаем в ТСЛаб.
В прошлый раз мы рассматривали “индикаторный” вариант, в этот же раз попытаемся описать тренд машинным языком по всем канонам “ручного” трейдинга;).
Итак, из миллиона вариантов описания тренда, возьмем наиболее популярный, простой и общий:”Тренд(вверх) — это последовательно повышающиеся максимумы и минимумы цены.”
Максимумы и минимумы, о которых идет речь в определении выше — это по сути изломы цены. Т.е. локальные пики и впадины. Степень их “локальности” зависит от рассматриваемого тайм фрейма. Ведь ни для кого не секрет, что тренд может быть как на минутках, так и на днях. И совсем необязательно одновременно. Поэтому вопрос тайм фрейма и “глобальности” тренда опустим. Каждый решает этот вопрос исходя из своих задач.
Сегодня, 29 мая, у вас будет возможность встретиться с командой #Quantor, вживую задать интересующие вас вопросы на тему новых инвестиционных возможностей, интеграции алгоритмической торговли и блокчейн от #Quantor
Москва, Берсеневский пер., 2, стр. 1, оф. 301 БЕРСЛОФТ
База почти финальные результаты базового скрипта где тейк=стопу, убрав выход в конце сессии
Входы на первой свече исключены
Форвард 2017 г, форвард 2018 г в тестах не участвуют
Начало не очень впечатляющее, на начальных этапах не удалось получить устойчивых параметров на всей дистанции. Применение параметров на 2017 и 2018 оставляет желать лучшего.