Часть 2.
В прошлой части мы подбирали такую комбинацию статистических оценок динамики акций, которая давала нам возможность стабильно выбирать портфель акций лучше среднерыночного, с показателем Шарпа на 26% выше индексного.
Мы также пробовали составлять портфель из портфелей и портфель на основе портфеля оценок, но в силу высокой линейной зависимости оценок и полученных на них портфелей друг от друга Bagging ожидаемо не дал никакого результата.
Тем не менее, этот важный этап подготовительных работ – построение портфеля (или композиции портфелей) на простых, статистических оценках дал нам некоторую отправную точку, относительно которой мы будем рассматривать эффективность всех наших последующих нововведений.
Рис. 6. Иллюстрация динамики волатильности акций США, входящих в состав индекса S&P 500.
Основную проблему стандартных методов мы видим в том, что они разработаны для стационарных стохастических процессов, в то время как любые финансовые (а зачастую природные, биологические и др.), временные ряды имеют нестационарную природу. Так, например, широко известно, что логарифмическое изменение стоимости акций является нестационарным процессом со склонностью к консолидации (кластеризации) волатильности.
Часть 1.
Традиционно считается, что задача портфельной оптимизации, или задача Марковица, представляет собой некоторую самостоятельную задачу выбора такого портфеля активов, который обладал бы максимальной доходностью при минимальных рисках.
Прим. В качестве актива могут выступать ценные бумаги (акции), их производные (опционы) или торговые системы.
Решение задачи состоит из двух этапов:
Почему мы используем аналогию портфельной оптимизации с методами машинного обучения — Bag, Boost?! Потому что в действительности (и мы это продемонстрируем) нам абсолютно не важно, насколько хорошо динамику наших временных рядов прогнозируют «слабые» модели – нам важно только то, чтобы ошибки прогнозов наших моделей взаимно компенсировали бы друг друга в некотором интегральном смысле. Иными словами – в случае бустинга – ошибка прогноза линейной композиции была бы минимальной, а в случае портфельной оптимизации – была бы минимальной ошибка прогноза нелинейной композиции (то есть самого портфеля).
Здравствуйте друзья. Изучая вопрос портфельного инвестирования для долгосрочной перспективы наткнулся на работы Гарри Марковица. Изложенные им труды показались достаточно логичными и легкореализуемыми в условиях сегодняшней компьютеризации. Основные идеи Г. Марковица, которые были использованы для составления портфельной модели:
Перед тем как начать, дам определение некоторым понятиям, использованным в статье:
Целью данной работы являлось создание портфельной модели, критерием оценки которой является доходность.
Портфельная модель разрабатывается для отечественного фондового рынка. Торговые инструменты (акции) входящие в расчет взяты из индексов MICEX (Oil & Gas Indices; Consumer Goods & Retail Indices; Chemicals Indices; Metals & Mining Indices; Telecoms Indices; Electric Utilities Indices; Financials Index; Transport Index), в количестве 76 единиц. Расчетный период – один месяц.
«ГрузовичкоФ» — один из лидеров сегмента внутригородских перевозок в Москве и Санкт-Петербурге — проводит юридическую реорганизацию. Соответствующее решение опубликовано 11 декабря на странице компании на сайте Интерфакса.
Основная цель запланированных изменений — приведение юридической структуры в соответствие с высокими требованиями инвесторов. «ГрузовичкоФ» развивается как классический агрегатор, с представительствами в 19 городах России (помимо Москвы и Санкт-Петербурга, компания работает еще в 17 городах России по франшизе). В связи с такой спецификой бизнеса планируется создать юридическое лицо, которое станет центральным в структуре, будет управлять деятельностью всех остальных компаний, аккумулировать прибыль, распределять затраты.
Добавили тут на днях в ТСЛаб возможность штатным образом случайные числа получать. В связи с чем возникла идея устроить небольшой стресс тест стратегиям, заменив имеющееся управление позицией выходом по рынку через случайное количество баров.
Я считаю, что то, что принято называть переоптимизацией, кроется как раз в управлении позицией. Если подумать, то в точке входа подгонки не может быть по определению. Ведь задача как раз найти такое соотношение параметров, которое работает в нашу сторону как можно чаще. И чем сильнее будет подгонка под идеальный сетап — тем лучше, тем точнее мы опишем желаемую ситуацию. А вот с выходом всё иначе. Тут уже есть конкретные точки входа и конкретный набор свечей на истории… И вот как раз тут может быть подгонка параметров стопа, тейка, трейлинга и т.п. под эти конкретные ситуации..
Подгонка может быть столь сильной, что за ней вполне может спрятаться полное отсутствие положительного смещения вероятности в точке входа…
Вот мне и стало интересно, что если выход из позиции будет произвольным? Тогда, по идее, значительный перевес положительных исходов может намекать на наличие положительного смещения вероятности в точке входа.
Для эксперимента взял 2 стратегии на Ri. Одна, проверенная девятью месяцами реала и подтвердившая свою профпригодность на сегодняшний день, и другая — простая, состряпанная на скорую руку, стратегия по скользяшкам с максимальным фиттингом (оптимизация точки входа одновременно с трейлингом по широкому диапазону параметров на всей истории за один проход). Везде стоит комиссия 20п.
Итак, изначальная эквити «проверенной» стратегии выглядит так:
Вероятность получить прибыль в случае случайных входов и выходов равна 25%. Роботы же в большинстве своем имеет более лучшие показатели. С вероятностью 40-50%, что вы заработаете на рынке с помощью робота в течении 3 месяцев. И если Вам достанется рабочий робот на сегодняшний момент, вероятность превысит 50% .
Первый момент разберем. Могут ли Вам продать работающего робота и за какую цену? К примеру, у Вас есть работающий робот, но нет денег для торговли. Сомневаюсь, что Вас возьмут работать в хороший фонд, как и инвесторы не побегут к Вам с деньгами (даже если вы займете достойное место ЛЧИ с ним – не топовое). То продать робота – это лучший способ заработать. Но стоит две проблемы. Первая – если кто-то получит код робота. То первая продажа может оказаться последней (он появится на торрентах, складчине и у более успешных продавцов роботов, чем Вы). Т.е если вам продают исходный код робота – это чистая подстава. Никто никогда не продаст код рабочего робота. Вторая проблема, на которую указывают многие – ликвидность рынка. Все мы знаем Марламова и как он зарабатывал, за что его отстранили от рынка. По сути если Вашим роботом пользуется очень много людей, в Ваше распоряжение появляется граальный робот – зайди до них и выйди после их входа или перед их выходом. Т.е проблема ликвидности стоит, если вы продаете советника. Которые можно оптимизировать самостоятельно. Во все остальных случаях – раздайте бесплатно. И вы, возможно, заработаете больше. Так сколько стоит хороший робот?