log_alexey
12 подписчиков
5 подписок
Кандидат экономических наук Ассоциированный член Королевского Британского института по ценным бумагам и инвестициям (CISI) Обладатель международного аттестата по управлению благосостоянием (ICAWM) Мой телеграм-канал: https://t.me/quantitative_intelligence Мой сайт: https://quant-i.ru
Портфель
до 10 000 
Сделки за 30 дней
0
Доходность за 12 месяцев
0%
Не является индивидуальной инвестиционной рекомендацией
Профиль в Пульсе
Чтобы оставлять комментарии и реакции, нужен профиль в Пульсе
Создать профиль
Публикации
4 июля 2024 в 17:13
С момента запуска «Сигмы» уже прошло полгода и накопились данные, которые позволяют оценить «движок» стратегии – нейронную сеть – уже на абсолютно новой тестовой выборке. Напомню, в «Сигме» используется рекуррентная нейронная сеть долгой краткосрочной памяти (LSTM), с помощью которой оценивается ожидаемая доходность акций – самый важный параметр средне-дисперсионной оптимизации. Нейросеть была обучена на истории акций из индекса МосБиржи за период с 1998 по 2016 год включительно. Предыдущая тестовая выборка охватывала период с начала 2017 по конец 2023 года. На основании этой выборки была отобрана конкретная модель, которая и запущена в эксплуатацию. Сегодня я могу оценить точность этой модели уже на абсолютно новых данных за период «боевого» использования. Для начала поясню про какие данные идет речь. Модель принимает на вход 17 технических объемно-ценовых индикаторов по каждой акции, а также день недели и месяц, за последние 5 торговых дней. После некоторой обработки (стандартизация и сокращение размерности) эти данные подаются в нейросеть, которая прогнозирует доходность акции в последующие 5 торговых дней. На картинке к посту приведена точечная диаграмма, по которой можно оценить точность нейросети на новой выборке. Диаграмма содержит 8783 точки, каждая из которых показывает соотношение предсказанной доходности (по оси абсцисс) с истинной доходностью (по оси ординат) для каждого пятидневного интервала (с шагом в один день) каждой акции из индекса за период с 27.12.2023 по 28.06.2024. Напоминаю, при идеальной модели со 100% точностью все точки должны лежать на одной линии под углом 45 градусов при масштабе 1:1. Красной линией вместе с уравнением регрессии отмечена линия тренда облака точек. Эта линия отражает среднюю истинную доходность акций в зависимости от прогноза нейросети. Именно по этой линии можно судить о точности модели: чем ближе угол ее наклона к 1 и чем тоньше облако или степень разброса точек вокруг этой линии, тем качественнее прогнозы. Горизонтальная линия с нулевым наклоном говорила бы об отсутствии какой-либо корреляции между прогнозами модели и реальной доходностью. К счастью, коэффициент регрессии 1.1147 показывает, что в среднем на 1% доходности по прогнозу приходится около 1.11% истинной доходности. На предыдущей тестовой выборке этот показатель составлял приблизительно 1.87, то есть сейчас он еще ближе к 1. Среднеквадратическая ошибка традиционно для моделей в сфере прогнозирования доходности акций достаточно большая, но в рамках стратегии это нивелируется обширной диверсификацией: отклонения от ожидаемой доходности по разным бумагам взаимопогашаются внутри портфеля. В диаграмме я выделил красным те точки, которые фактически формируют доходность «Сигмы» в первом полугодии 2024 года – это те бумаги, которые были по факту отобраны моделью в конкретную дату и удерживались в течение последующих 5 торговых дней. Как и следовало ожидать, большинство этих точек сконцентрировано в правой части облака, так как модель пытается отбирать бумаги с высокой ожидаемой доходностью. Примечательно, что есть один случай выбора бумаги с отрицательной ожидаемой доходностью (единственная красная точка левее оси ординат). Это были привилегированные акции Сургутнефтегаза, которые модель закупила на 1.05% портфеля 03.06.2024, несмотря на ожидаемую доходность в -0.01%. В рамках средне-дисперсионной оптимизации, где максимизируется ожидаемая доходность при ограничении волатильности, такое возможно только в одном случае: когда такой отрицательный актив имеет очень низкую корреляцию с другим намного более доходным активом и его включение позволит нарастить долю в том числе в этом доходном активе. Средняя истинная недельная доходность всех точек (грубый аналог индексного инвестирования с равными весами) составляет 0.22%, в то время как у красных (акции, отобранные по стратегии «Сигма») – 0.71%, то есть более чем в 3 раза выше. Это главное доказательство того, что нейросеть делает свое дело. ____________________ #сигма &Сигма
1 июля 2024 в 18:46
На днях завершился второй квартал с момента запуска «Сигмы». По традиции проведу анализ динамики, посмотрим на некоторые статистические показатели по аналогии с первым кварталом. В очередной раз скажу, что доволен результатами, хоть и ожидания аналитиков по росту рынка совершенно не оправдались. Как и в случае с первым кварталом, я буду анализировать модельную кривую капитала, сформированную моей собственной программой бэк-теста. Напоминаю, эта кривая не учитывает ни комиссии, ни проскальзывания, так как все это сильно отличается в зависимости от платформы автоследования и конкретного счета клиента. Также данная кривая безусловно подразумевает идеальное следование алгоритму модели: все сделки открываются по ценам открытия/закрытия, нет никаких субъективных отклонений в системе хеджирования (что к сожалению на практике не всегда исполнялось в прошлом, об этом можно почитать тут: https://www.tbank.ru/invest/social/profile/log_alexey/fdb47e78-34c1-4b17-a87d-9b69537a2503/ ). На некоторых платформах я веду модифицированную «Сигму» в силу ряда ограничений, здесь же мы рассматриваем оригинальную модель. Ну и последний дисклеймер – программа бэк-теста вместо цен фьючерса использует цены самого индекса для удобства. Конечно же на практике доходности фьючерса немного отличаются, но не критично. В связи со всем вышеперечисленным анализируемые результаты могут сильно отличаться от фактических результатов на конкретной платформе автоследования. Однако цель данного анализа – оценить саму модель и поэтому именно модельная кривая нам и нужна. Итак, доходность за второй квартал по модельным ценам составила +10.41% в то время как индекс МосБиржи за аналогичный период вообще упал на 3.56%. Кривые представлены на графике, который является частью картинки к посту. Если в первом квартале мы наблюдали работу «Сигмы» на растущем спокойном рынке, то второй квартал нам дал возможность оценить поведение модели в период коррекции и повышенной турбулентности. И надо сказать, что успех стратегии во втором квартале по большей части обязан системе хеджирования, которая отлично предсказала несколько очень крупных падений (не всем предсказаниям я последовал, но об этом я уже писал выше). Волатильность стратегии составила 21.91%, что на треть меньше средней волатильности индекса МосБиржи и это в квартале, где рынок падал почти на 15%. Таким образом коэффициент Шарпа составил 1.23, если брать такую же безрисковую ставку, как и в первом квартале (15%). Максимальная просадка по состоянию на конец каждого календарного месяца не превышает 3.42%. В очередной раз «Сигма» демонстрирует отличное соотношение доходности и риска по сравнению с бенчмарком. Если проанализировать ежедневную динамику по аналогии с первым кварталом, то на этот раз дневная доходность «Сигмы» превышает индекс лишь в 53% случаев (в первом квартале было 61%). Но сейчас среднее превышение составляет 0.93%, что в полтора раза больше аналогичного показателя первого квартала (0.65%). Это связано с хеджированием, из-за которого в некоторые дни раскорреляция с индексом была огромной. Среднее же превышение индекса в оставшихся 47% случаев составляет 0.59%, что почти соответствует аналогичному показателю первого квартала (0.54%). Как и в прошлый раз данные цифры говорят в пользу равномерности перфоманса модели: стратегия и чаще лучше рынка, и в среднем на большую величину доходности. Дивидендный сезон пока что не стал катализатором роста широкого рынка, но в июле нас ждут еще несколько крупных отсечек. Помимо дивидендов основным драйвером роста в 3-м квартале должно стать восстановление рынка после крупной коррекции и ослабление рубля. Аналитики скорректировали таргет по индексу МосБиржи: 3800 пунктов на горизонте в 12 месяцев, с учетом дивидендов это где-то 30% доходности, треть от которой рынок должен принести в течение предстоящего квартала. Пока что «Сигме» удавалось зарабатывать существенно больше рынка… ____________________ #сигма &Сигма
24 июня 2024 в 14:41
К сожалению, переход на вечные фьючерсы в стратегии «Сигма» не удался. Как оказалось, платформы автоследования рассматривают данный инструмент как малоликвидный и применяют к нему те же алгоритмы исполнения, как и к дальнему срочному фьючерсу: ограничение объема, низкая частота выставления заявок и т.п., из-за чего образуется огромная разница между модельными ценами и фактическими на счетах клиентов. В своем предыдущем посте я сравнивал ликвидность IMOEXF и MMU4, где сделал вывод о том, что IMOEXF более ликвидный. Однако, я опирался на заявки в стаканах до экспирации июньского фьючерса (MMM4). С 20.06.2024 вся ликвидность июньского фьючерса перешла в сентябрьский и поэтому по факту MMU4 более ликвидный на данный момент, нежели чем IMOEXF. Исполнение сделок по MMU4 платформами автоследования, начиная с даты близкой к экспирации MMM4, также проходит без всяких ограничений. В связи со всем вышеперечисленным мы возвращаемся к срочным фьючерсам в стратегии «Сигма», но с одним важным изменением. Теперь перекладка в дальний фьючерс будет проходить не в начале месяца экспирации ближайшего фьючерса, а ровно в день экспирации на открытии основной сессии. Это позволит избежать проблем с проскальзыванием и сократит разницу между модельной кривой капитала и фактической на конкретных счетах подписчиков стратегии. ____________________ #сигма #новости &Сигма
Начни инвестировать сегодня
Обменивай валюту по выгодному курсу и торгуй акциями известных компаний
Открыть счет
19 июня 2024 в 13:55
На рынке пока продолжается коррекция, индекс падает все глубже и глубже. К счастью для клиентов стратегии «Сигма» хедж дает свои плоды. В моменте индекс за сегодня -1.7%, тогда как «Сигма» демонстрирует около +1%. В данной статье хотел бы поделиться новостями как раз по поводу системы хеджирования. В ней меняется основной актив. Некоторые мои клиенты справедливо предложили рассмотреть вечные фьючерсы в качестве альтернативы обычным фьючерсам на индекс МосБиржи с ближайшей экспирацией. Вплоть до текущего момента я их не рассматривал, так как инструмент очень молодой и мне казалось, что на начальном этапе там будут проблемы с ликвидностью. Однако, после детального анализа я пришел к выводу, что IMOEXF буквально по всем параметрам лучше обычных фьючерсов и полностью подходит для стратегии «Сигма». Во-первых, размер контракта вечных фьючерсов позволяет хеджировать портфель маленькими порциями (около 30 тыс. руб.) точно так же, как и фьючерс мини на индекс. Это очень важно для тех платформ автоследования, где у меня минимальный порог в 300 тыс. руб. Во-вторых, вечные фьючерсы точнее отражают динамику индекса, так как технически являются однодневными контрактами с автопролонгацией. Напомню, теоретическая цена фьючерса с экспирацией через несколько месяцев помимо цены базового актива также учитывает безрисковую ставку. В случае с акциями в цене учтены и ожидаемые дивиденды. В-третьих, нет необходимости постоянно перекладываться в дальний фьючерс, когда наступает месяц экспирации. Меньше операций, меньше комиссий, меньше проскальзываний. В-четвертых, на некоторых платформах есть дополнительные ограничения на исполнение сделок с дальними фьючерсами в момент, когда наступает месяц экспирации по ближайшим фьючерсам и по стратегии нам нужно перекладываться. В начале июня, например, был сигнал переложиться в сентябрьский фьючерс на индекс (MMU4). На одной платформе в принципе операции с этим инструментом были запрещены на тот момент. На другой платформе используется следующий алгоритм: дальние фьючерсы имеют низкую ликвидность и, чтобы не выносить рыночными заявками их на дневные границы, выставляемая заявка каждого клиента составляет не более 1 контракта и периодичность выставления не чаще 3 минут. Это сделано на основе требования ЦБ не выносить торгуемые инструменты на «планки». Ну и в-пятых, это конечно ликвидность. Это самый главный аргумент в пользу вечных фьючерсов. Если проанализировать стаканы IMOEXF и MMU4 в основную сессию, то можно заметить, насколько огромная разница в ликвидности. На момент написания этой статьи по MMU4 рыночная заявка на продажу приблизительно 600 контрактов создает проскольз в цене на 12 руб., тогда как аналогичная заявка по IMOEXF – всего 4.5 руб. В связи со всем вышеперечисленным в ближайшую ребалансировку «Сигмы» мы переходим на вечные фьючерсы, как для хеджирования, так и для левериджа. Я уже внес коррективы в программный код модели. ____________________ #сигма #новости &Сигма
10 июня 2024 в 13:58
Друзья, рад сообщить о запуске собственного сайта: https://quant-i.ru . Там можно найти много полезной информации по моим стратегиям (описание, презентации, ссылки для подключения и т.п.). Также там указаны все мои контакты и собраны воедино все ссылки на мои блоги и соцсети. Пользуйтесь! ____________________ #новости &Сигма
Нравится
2
3 июня 2024 в 16:12
На рынке началась широкомасштабная коррекция. В моменте индекс падает уже на 12% от пика 20 мая, пробив несколько значимых уровней поддержки. Главная причина падения на мой взгляд – общая разгрузка рынка после столь затяжного роста. А вот триггерами уже послужили налоговая реформа, опасения по поводу повышения ключевой ставки, сильный рубль и т.д. В действительности новостной фон не оправдывает столько глубокой коррекции и часть этой просадки обусловлена эмоциональными инерционными распродажами. В связи со всем вышеперечисленным по стратегии «Сигма» я принял решение отклониться от системы хеджирования и пока что это решение выглядит ошибочным. Я внедрял эту систему как раз для отработки инерционных распродаж. В среду 29 мая был сформирован сигнал на закрытие хеджа (и соответственно открытие стандартного левериджа), так как наметился отскок по индексу. Крупного падения четверга было никак не избежать и под закрытие основной сессии 30 мая был вновь сформирован сигнал на хедж по системе. Это был переломный момент, когда я решил не следовать модели. Причин было несколько: рынок уже значительно упал с локальных хаев без веского повода, после столь активных распродаж четверга статистически была высокая вероятность покупок в пятницу, ну и т.д. В общем хедж я не возобновил. Как итог, пятница (31 мая) и понедельник (3 июня) стали самыми худшими днями в году как для рынка, так и для стратегии, хотя по модели в эти дни должен был быть хедж. Что имеем сейчас. Рынок просел уже настолько, что открывать хедж уже поздно по моему глубокому убеждению. Я не считаю, что у индекса МосБиржи есть причины идти ниже 3000-3100 пунктов. Как и любую эмоциональную просадку рынок может выкупить ее очень быстро в любой момент. Моя приоритетная задача – не пропустить этот выкуп. Раз я отклонился от модели, то сейчас уже надо идти до конца и просто ждать отскока. Но главный вывод из всей этой ситуации – никогда не отклоняться от собственной модели. Она была протестирована на истории в 20 лет и система хеджирования была специально оптимизирована для идентификации именно таких коррекций. Она дает много ложных сигналов, которые закрываются с микро убытком, но те нечастые успешные сигналы окупают всё и дают ощутимую прибыль. Надо понимать, что огромная часть текущей просадки по портфелю связана исключительно с человеческим фактором, а не самим алгоритмом. Мое решение отклонится от модели на данный момент стоило около 10% портфеля. ____________________ #сигма &Сигма
24 мая 2024 в 17:10
Ровно две недели назад, 10 мая 2024 года, в возрасте 86 лет из жизни ушел Джим Саймонс – основатель Renaissance Technologies, величайший математик, самый успешный инвестор всех времен по версии The Economist и мой личный кумир в сфере инвестиций и бизнеса. Его можно назвать одним из родоначальников количественного подхода к управлению капиталом. Созданный им фонд Medallion до сих пор считаешься самым успешным в истории с непревзойденной среднегодовой доходностью в 63% годовых в долларах до вычета комиссий на протяжении нескольких десятков лет. В данной статье хотел бы коротко рассказать историю становления этого фонда в память о его основателе. Прежде чем Джим стал руководителем многомиллиардного хедж-фонда, он возглавлял кафедру математики в университете Стоуни Брук на Лонг-Айленде, Нью-Йорк. Однако его амбиции простирались далеко за пределы академической карьеры. В 1978 году Саймонс решил покинуть науку и основал торговую компанию, которая впоследствии превратилась в Renaissance Technologies. Он привлек к работе в фирме талантливых математиков, многих из которых он знал по прежней работе. Один из бывших коллег Джима Саймонса, Джеймс Акс, сыграл ключевую роль в становлении фирмы. После нескольких лет совместной торговли на фьючерсных рынках, в 1988 году Акс и Саймонс запустили Medallion Fund, названный в честь престижных математических наград, которыми они были удостоены. Первые годы работы Medallion были сложными. В первый год доходность фонда составила лишь 9% (после вычета комиссионных), в то время как индекс S&P 500 вырос более чем на 16%. На второй год фонд понес убытки в размере 4%, тогда как S&P 500 вырос более чем на 30%. Внутри компании нарастала напряженность, и в 1989 году Акс покинул фонд. После его ухода Саймонс поручил известному теоретику игр Элвину Берлекэмпу перепроектировать торговую систему компании, чтобы вернуть ее к прибыльности. Элвину это удалось. В 1990 году доходность Medallion составила 55% без учета комиссионных. С ростом успеха фонда, Саймонс становился все более одержимым идеей его улучшения. Он постоянно звонил Берлекэмпу с новыми идеями по увеличению доходности, обсуждая цены на золото и различные фьючерсные рынки. Под постоянным давлением и из-за одержимости Саймонса, Берлекэмп был вынужден уйти. Согласно легенде, после его ухода Саймонс заявил: «Черт с ним, я буду управлять фондом сам». И он так и сделал. В последующие годы Саймонс нанял ведущих математиков, которые подняли фонд Medallion на новые высоты. В 1994 году доходность фонда составила более 70% (после вычета комиссионных), а в 2000 году фонд достиг рекордной доходности в 98,5%. Еще более интригующим в истории Medallion является тот факт, что люди, создававшие его модели, практически ничего не знали о бизнесе и выборе отдельных компаний на основе фундаментальных показателей. Когда содиректора Роберта Мерсера спросили, как фирме удалось заработать столько денег на своих математических моделях, он ответил: «Иногда модели говорят нам покупать Chrysler, иногда – продавать.» Мерсер даже не учел, что Chrysler была поглощена Daimler AG несколькими годами ранее и больше не существовала как самостоятельная акция. Вероятно, это лишь анекдот, но он отлично иллюстрирует насколько фонд Medallion полагался на количественные модели, а не на фундаментальные показатели бизнеса. Как отметил Цукерман в своей книге «Человек, который разгадал рынок», Саймонс с самого начала решил обрабатывать огромные объемы данных, использовать продвинутую математику и разрабатывать передовые компьютерные модели, в то время как другие управляющие полагались на интуицию, чутье и традиционные исследования. Саймонс положил начало революции, которая с тех пор охватила весь инвестиционный мир. Как фонд зарабатывает деньги? Он выявляет отдельные закономерности в данных и использует каждую из них для получения небольшой прибыли. Все эти небольшие прибыли суммируются и в совокупности приводят к значительным заработкам. ____________________ #количественные_инвестиции &Сигма
Нравится
2
7 мая 2024 в 13:56
Продолжаем тему, связанную с когнитивным искажением следования за толпой. Как и обещал во второй части привожу результаты своего исследования по стратегии «Сигма». Поверхностная диаграмма на картинке к посту демонстрирует среднюю скорость прироста капитала в «Сигме» (ось «Доходность») на горизонте 3-24 месяцев (ось «Период удержания») сразу после просадки определенной глубины (от -2% до -28%). Я использовал трехмерный график, чтобы отразить все эти зависимости. Высота рельефа поверхности представляет изучаемую величину, и, прежде чем описывать результат, хочу поподробнее раскрыть что вообще представляет собой «скорость прироста капитала». Это не просто доходность за рассматриваемый период удержания, так как в этом случае более длительный срок автоматически подразумевал бы более высокую доходность, это доходность, приведенная именно к году. Также это не простая, а логарифмическая доходность, то есть представляет собой ставку с непрерывной капитализацией. Ну и наконец это именно средняя доходность, так как посчитана усреднением по всем случаям просадки на указанную величину. Таким образом, скорость прироста капитала – это средняя логарифмическая доходность в годовом эквиваленте. Чтобы оценить одну точку на графике, к примеру при просадке -4% с периодом удержания 6 месяцев, мне пришлось определить все случаи проседания кривой капитала стратегии от максимумов на 4% и более за все 21 год бэк-теста, далее оценить рассматриваемую доходность для каждого случая за период со дня просадки + 126 торговых дней (6 месяцев), привести ее к году и наконец вычислить среднюю. На графике отчетливо видно как с ростом просадки растет средняя доходность на любом периоде последующего удержания, причем растет в несколько раз. На длинном горизонте (24 месяца) доходность со временем возвращается к своему среднему уровню и поэтому скорость прироста капитала при минимальной и максимальной просадке отличается «всего» в 2.4 раза. Однако на коротком горизонте (3 месяца) разница составляет уже 4.7 раз и это чисто спекулятивная возможность поймать бурное восстановление после крупной коррекции или кризиса. Экстремум в углу графика показывает, что те инвесторы, которые остались в стратегии после просадки в -28%, в среднем заработали бы в последующие 3 месяца доход исходя из ставки 181% годовых с непрерывной капитализацией, что составляет 57.22% от капитала на день просадки. Очевидно, что любая просадка смещает математическое ожидание по доходности «Сигмы» к выгоде инвестора. И чем просадка глубже, тем больше это самое смещение. Поэтому если на рынке страшно, повсюду мелькают красные котировки, это не повод для отчаяния и отключения от стратегии. Статистически это благоприятная возможность для наращивания капитала в стратегии. Также, анализируя график, может сложиться впечатление, что в стратегию стоить заходить только на крупных просадках. Здесь я могу точно заверить, что упущенная выгода от ожидания этих просадок с высокой вероятностью перекроет рассмотренную разницу в доходностях. ____________________ #сигма #поведенческие_финансы &Сигма
3 мая 2024 в 9:34
В очередной статье хотел бы обсудить самую распространенную ошибку, которую допускает подавляющее большинство начинающих инвесторов, а зачастую и опытные инвесторы этим грешат. В поведенческих финансах есть такое когнитивное искажение как «эффект толпы». Рассмотрим это понятие и разберем к чему это приводит в рамках стратегии «Сигма». Статья получилась объемной, поэтому пришлось разбить ее на две части. В первой части будет теоретический материал, во второй опишу одно исследование, которое я провел в рамках своей стратегии. Стадный инстинкт является частью эволюционного наследия. В течение миллионов лет наши предки существовали в группах, что способствовало их выживанию. С этой точки зрения стремление подражать другим имеет свою логику. Однако, когда речь идет о финансовых решениях, слепое следование за толпой может привести к убыткам. В ситуациях неопределенности люди часто следуют за большинством. Даже профессиональные инвесторы иногда предпочитают придерживаться мнения своих коллег и не выделяться из толпы. Зачастую это приводит к ситуации диаметрально противоположной тому, к чему призывает инвестиционная мудрость «покупай дешево, продавай дорого». Когда на рынках царит эйфория, обычно именно в это время происходит самый большой приток новых инвесторов и, наоборот, инвесторы в спешке забирают свои деньги с рынка в период биржевой паники, кризисов и даже обычных коррекций. В рамках данной темы я хотел бы сосредоточиться именно на поведении инвесторов, когда на рынке страшно и все падает. Есть ряд клиентов, которые отключились от моей стратегии при первой же просадке в несколько процентов, и это натолкнуло меня на мысль провести одно исследование: с какой скоростью растет капитал в «Сигме» на разных горизонтах инвестирования сразу после просадки определенной глубины. На решения рационального инвестора не должны влиять эмоции и негативный опыт, связанный с просадкой капитала, он должен руководствоваться только тем, где его капитал сможет прирастать с наибольшей скоростью в обозримом будущем. Результаты моего исследования, как и результаты других исследований на подобную тематику в отношении акций в целом, однозначно говорят, что просадка – это лучший момент для довнесения денег и уж точно не для эмоциональных распродаж. В следующей части я приведу один интересный график, который даст представление о том, сколько упущенной выгоды теряют инвесторы, которые поддались страху и отключились от стратегии в период коррекций. ____________________ #сигма #поведенческие_финансы &Сигма
1 мая 2024 в 15:35
Тинькофф официально запустил фьючерсы в автоследовании и теперь я наконец могу вести свою стратегию «Сигма» в том числе на платформе Тинькофф Сигнал. Рад сообщить, что стратегия уже доступна для подключения на этой платформе. Вот ссылка: https://www.tinkoff.ru/invest/strategies/c84f8122-b06a-4763-9fae-43f5137893d6/. В Тинькофф мне придется вести модифицированную версию «Сигмы» прежде всего потому, что у них, к сожалению, пока не доступна маржинальная торговля. Напомню, в оригинальной версии стратегии гарантийное обеспечение под фьючерс на индекс МосБиржи берется под залог акций. Поэтому изначально аллокации следующие: 100% акции (здесь может быть доля кэша согласно средне-дисперсионной оптимизации структуры портфеля) + 50% индекс в лонг, когда не прогнозируется падение рынка, и 100% акции + 100% индекс в шорт, когда ожидается падение и работает хедж. Из-за недоступности маржинального кредитования придется перманентно резервировать кэш для гарантийного обеспечения и аллокации будут следующие: 85% акции + 65% индекс в лонг, если не ожидается коррекции, и 85% акции + 65% индекс в шорт при хеджировании. Данные доли я вывел в результате исследования динамики индекса, чтобы, с одной стороны, как можно меньше отбирать денег у модели средне-дисперсионной оптимизации, так как ее математическое ожидание по доходности выше, чем у рынка, с другой стороны, чтобы кэша хватило для поддержания фьючерсной позиции без всяких маржин-коллов. По бэк-тесту у модифицированной стратегии на дистанции характеристики немного хуже, чем у оригинальной «Сигмы»: среднегодовая доходность 52.5% против 57.15%, волатильность 31.65% против 32.97%, максимальная просадка -31.65% против -28.16%. Однако это все равно достойные цифры, к тому же в ряде случаев повышенная экспозиция на индекс будет более выгодной в периоды, когда портфель акций модели ведет себя хуже рынка. В любом случае, если появится в будущем возможность брать гарантийное обеспечение под залог акций в Тинькофф Сигнал, я обязательно этим воспользуюсь. Ну а пока подключайтесь на текущую версию стратегии, в ближайшие месяцы ожидается хороший рост рынка в связи с ожидаемой выплатой рекордных дивидендов, о чем я уже неоднократно писал! ____________________ #сигма &Сигма
11 апреля 2024 в 13:57
Не успел начаться новый квартал как «Сигма» уже выросла почти на 6% гросс. Однако эта статья будет посвящена не результатам стратегии, а вероятности обыграть рынок в «Сигме» на разных горизонтах инвестирования, что напрямую влияет на рекомендуемый срок подключения к стратегии. Я провел небольшое исследование, чтобы сформировать график, представленный на картинке к посту. Данный график показывает вероятность превзойти индекс полной доходности МосБиржи, учитывающий дивидендную доходность акций, с помощью стратегии, подключившись к ней на разное количество торговых дней: от 1 до 500. Обращаю внимание, что один год состоит приблизительно из 250 торговых дней, то есть рассматривается период до двух лет. По оси абсцисс указан горизонт инвестирования в торговых днях, а по оси ординат указана та самая вероятность быть лучше бенчмарка. Хочу пару слов сказать о том, как я рассчитал эту вероятность. Чтобы оценить в скольки процентов случаев стратегия лучше индекса, например, на горизонте в одну неделю (5 торговых дней), я взял все пятидневные периоды с 20.06.2003 по 05.04.2024 с шагом в один день и посчитал доходности «Сигмы» и бенчмарка для каждого из этих периодов. Далее я разделил количество периодов, когда доходность стратегии была выше рыночной, на общее количество периодов с заданным горизонтом инвестирования. Таким образом я получил требуемую вероятность. Данную цифру можно интерпретировать также и следующим образом. Представим, что начиная с 20.06.2003 каждый торговый день подключается новый клиент и ровно через 5 дней он отключается от стратегии. Рассматриваемая вероятность нам покажет какой процент клиентов от общего количества в итоге заработал больше индекса за свои 5 дней нахождения в стратегии. Подобные расчеты я провел и для 6 дней, и для 7 дней, и для любого отрезка в диапазоне от 1 до 500 торговых дней как было упомянуто ранее. По графику видно, что, даже подключившись к стратегии всего на один день, клиент в 55% случаев заработает больше рынка. Далее увеличивая свой горизонт инвестирования, вероятность обыграть индекс резко возрастает. На горизонте в один месяц (21 торговый день) вероятность уже составляет 66%, то есть две трети клиентов обгонят индекс МосБиржи. При инвестировании на один год (252 торговых дня) вероятность достигает уже 95%, именно поэтому данный горизонт и является рекомендуемым для данной стратегии. Стоит отметить, что к 422 торговому дню график выходит уже на практически пологую кривую на отметке в 100%. ____________________ #сигма
31 марта 2024 в 12:38
Вот и прошел первый полноценный квартал «Сигмы» в боевом режиме. Подведем итоги и оценим некоторую статистику по перфомансу стратегии. Сразу скажу, что я очень доволен результатами. В первом квартале стратегия даже превзошла мои ожидания. На разных платформах динамика немного отличается в силу специфичных особенностей, поэтому я буду анализировать модельную кривую капитала, сформированную собственной программой бэк-теста. В данном случае у меня идет автоматический расчет всех основных метрик. Комиссии везде разные, поэтому буду приводить цифры гросс и к тому же именно по ним можно судить о потенциале стратегии. Итак, фактическая доходность за первый квартал 2024 года составила 20,62% против 7,53% у индекса, т.е. «Сигма» почти в 3 раза превзошла бенчмарк. Волатильность при этом составила 11,11% годовых, что опять почти в 3 раза меньше, чем средняя волатильность рынка, но тут нужно отметить, что первый квартал сам по себе был относительно спокойным за редким исключением (смерть Навального, теракт в Крокусе). Таким образом коэффициент Шарпа за рассматриваемый период составил 5,65 при безрисковой ставке 15% (средний уровень левого хвоста кривой бескупонной доходности). Это более чем привлекательный уровень соотношения доходности и риска. Максимальная просадка при этом составила буквально пару процентов. Если по дням сравнить динамику индекса и стратегии в первом квартале, то можно заметить, что ежедневная доходность «Сигмы» в 61% случаев выше, чем у бенчмарка, при этом среднее превышение составляет 0,65%, а медиана превышения равна 0,46%. Среднее же превышение индекса в оставшихся 39% случаев составляет 0,54% с медианой на уровне 0,38%. Как видно, стратегия и чаще лучше рынка, и в среднем на большую величину доходности, что в очередной раз характеризует равномерность перфоманса модели. Можно сказать, что запуск стратегии «Сигма» прошел успешно. Уже появилась первая полусотня клиентов, собрана внушительная сумма активов. Следующий квартал обещает быть еще более ярким. По прогнозам аналитиков нас ждет 15%-й рост рынка в связи с сезоном выплат рекордных дивидендов во втором квартале 2024 года. Соответственно от «Сигмы» я жду еще более ошеломительных цифр по сравнению с первым кварталом. При этом аналитики также считают, что в оставшуюся часть года динамика рынка уже не будет столь бурной после выплат дивидендов, поэтому лучший момент для инвестиций в этом году именно сейчас. Подключайтесь! ____________________ #сигма
5 марта 2024 в 14:53
По случаю обновления индексом МосБиржи двухгодичного максимума и пробития верхней границы многомесячного бокового канала решил написать статью про перспективы российского фондового рынка и осветить первые уже «боевые» результаты стратегии «Сигма». Начнем с рынка. Специальная военная операция безусловно оказала огромное влияние на всю финансовую индустрию. И несмотря на все минусы новых реалий, есть предпосылки, указывающие на то, что новые ограничения могут оказать даже положительное влияние на динамику российских акций в некоторой перспективе. Прежде всего инвестиционная вселенная для среднестатистического инвестора сильно сузилась. При этом инфраструктурные риски инвестиций в иностранные активы сильно возросли. И поэтому, когда ключевая ставка начнет снижаться, а это по прогнозам аналитиков должно случиться во второй половине текущего года, и деньги станет уже не так выгодно хранить на депозитах, основной поток направится на российский фондовый рынок хотя бы потому, что альтернатив стало гораздо меньше. СВО обрушила рынок, и несмотря на то, что со дна индекс МосБиржи вырос уже более, чем на 80%, на горизонте в год аналитики видят апсайд еще на порядка 20-25% от текущих уровней с таргетом в 4000 пунктов. Раньше консенсус был 4300, сейчас его немного скорректировали. В любом случае рынок обязательно придет к тем отметкам, с которых он начал падение еще в конце 2021 года. В целом повышается прозрачность, идет редомициляция российского бизнеса в Россию. Растет качество корпоративного управления, компании переходят к более полному раскрытию информации и возвращаются к международным стандартам финансовой отчетности. Также все больше компаний должны вернуться к выплате дивидендов, прежде всего в секторе металлургии и добычи. Дополнительное налогообложение может послужить здесь инструментом, который продвигает выплату дивидендов. Российский рынок акций по-прежнему торгуется с дисконтом порядка 30% к средним историческим значениям по мультипликатору P/E. Это при том, что даже средний P/E в России является самым низким вообще во всем мире. P/E – это основной фундаментальный показатель рынка, он отражает соотношение рыночной капитализации к совокупной прибыли компаний. Чем он ниже, тем привлекательнее рынок. Ну и не нужно забывать про Иранский опыт. Напомню они столкнулись с отчасти аналогичными санкциями. В реальном выражении доходность рынка акций Ирана в период первых санкций составляла 13–14% ежегодно. Таким образом рост фондового рынка позволил инвесторам существенно обогнать инфляцию. В общем я весьма позитивно смотрю на перспективы рынка в ближайший год и считаю, что сейчас очень хорошая точка входа. Стратегия «Сигма» была запущена в конце декабря предыдущего года. С 21 декабря она работает уже с реальными деньгами клиентов и на графике (см. картинку к посту) можно увидеть фактические результаты за первые два с половиной месяца. За данный период стратегия заработала более 16% гросс доходности, что почти в 3 раза больше индекса МосБиржи. Клиенты при этом получили более 12% чистой прибыли. Фактическая динамика стратегии полностью укладывается в рамки ожиданий, сформированных в результате бэк-теста. В самое ближайшее время стратегия будет запущена и на платформе Тинькофф. ____________________ #сигма
7 февраля 2024 в 16:15
Заключительная статья по стратегии «Сигма» будет посвящена спекулятивной подсистеме ответственной за леверидж и хеджирование. В предыдущих статьях я уже не раз упоминал про фьючерс на индекс МосБиржи в используемых инструментах. Настало время поподробнее рассказать про этот аспект стратегии. Основа портфеля – это прежде всего акции. «Сигма» держит почти всегда портфель загруженным на 100%. В редких случаях, когда наблюдается экстремальная волатильность, загрузка может быть неполной. Поэтому при небольших коррекциях модель будет стараться включать бумаги с наименьшей волатильностью, но все же при полной загрузке. Подобный подход, к сожалению, не очень эффективно уберегает от резких просадок, так как в период коррекций корреляции доходностей у акций сильно подскакивают, снижая выгоду от портфельной диверсификации. На российском рынке геополитический фактор еще больше усугубляет ситуацию, когда любая новость, связанная с СВО, может порождать внезапную турбулентность. В связи с этим было принято решение внедрить дополнительную систему хеджирования, основанную на индексе. Также фьючерс дает возможность эффективно использовать леверидж в периоды, когда не прогнозируется падение рынка. Таким образом, лонг по фьючерсу позволяет расти с плечом на бычьем рынке, а шорт по фьючерсу – сберечь накопленную доходность на медвежьем рынке. В основе индексного алгоритма используется комплексный технический индикатор, оптимизированный с помощью метода дифференциальной эволюции. Это метод многомерной математической оптимизации, относящийся к классу стохастических алгоритмов, позволяющий найти оптимальный набор параметров из огромного множества. Индикатор анализирует ежедневный ценовой индекс МосБиржи и относится к осцилляторному типу, то есть прогнозирует точки разворота. Для индекса это достаточно эффективный подход, так как в отличие от отдельных акций, котировки индекса более инертны и больше подвержены импульсу. Сделки с фьючерсами могут заключаться ежедневно на открытии вечерней сессии. Фьючерсная стратегия генерирует лишь два типа сигнала: будет падение рынка или не будет. Если падение не прогнозируется, то с помощью фьючерса формируется леверидж в размере 50% от собственного капитала, то есть общая экспозиция на рынок составляет 150% в нормальных условиях – 100% лонг по акциям + 50% лонг по индексу. Если же прогнозируется падение, то открывается короткая позиция по фьючерсу на величину всего портфеля, что делает его нейтрально-рыночным (общая экспозиция равна 0) – 100% лонг по акциям + 100% шорт по индексу. Финансовый результат по такому портфелю равен спреду доходностей между акциями и индексом. В теории на падающем рынке «Сигма» может приносить доход за счет того, что индекс падает глубже, чем основной портфель акций, однако такой цели не ставится. Главная задача при хеджировании – сохранение накопленной доходности, поэтому в стратегии и не используется непокрытых шортов. График на картинке к посту демонстрирует годовые доходности фьючерсной стратегии без учета портфеля акций «Сигмы», то есть чисто спекулятивная торговля индексом (экспозиция на акции заменена экспозицией на индекс), в сравнении с самим индексом. В бэк-тесте для удобства используются цены именно индекса, а не фьючерса. Если сигнал лонг, то экспозиция 150% на индекс, если сигнал шорт, то экспозиция 0% на индекс. Как видно, фьючерсная стратегия значительно превосходит бенчмарк по доходности практически во все годы, проиграв ему лишь в трех годах из двадцати одного. Это при схожей волатильности и меньших просадках. Несмотря на большое количество ложных сигналов на хедж (лишь 194 хеджирующих сделки закрылись с прибылью из 524), огромное превосходство стратегии по доходности обусловлено более высокой средней прибылью успешных сделок (2,81% в среднем на одну прибыльную сделку против -1,22% в среднем на одну убыточную). На этом серия статей про стратегию «Сигма» завершена. Далее буду писать в основном про фактические результаты. ____________________ #сигма
1 февраля 2024 в 18:14
После того как все параметры (риск и доходность) по каждой акции определены, в «Сигме» проводится средне-дисперсионная оптимизация структуры портфеля. Данная статья будет посвящена как раз этой процедуре. Я уже не раз писал про Гарри Марковица. Именно он разработал математический аппарат для оптимизации портфеля активов. Напомню основные положения. Если у нас есть оценка ожидаемой доходности по каждому активу, а также ковариации акций друг с другом, то с помощью специальных формул при заданной структуре активов мы можем оценить общую доходность и волатильность портфеля. Перебирая разные доли активов в портфеле, можно получить разные комбинации доходности и риска. Это называется областью допустимых решений. Однако очевидно, что не все решения являются оптимальными. Если при той же доходности мы можем получить портфель с меньшим риском, то такая структура активов будет более предпочтительной. График на картинке к посту показывает возможные комбинации доходности и риска при разной структуре портфеля. Каждая точка показывает параметры конкретного портфеля с заданной структурой активов. Если рассмотреть какой-то конкретный уровень риска, то можно заметить, что самым оптимальным решением будет наивысшая точка в этом облаке, так как такой портфель дает максимально возможную доходность при заданном уровне риска. Вся совокупность таких оптимальных точек для каждого уровня риска называется границей эффективности. В рамках оптимизации мы можем максимизировать доходность при заданном уровне риска или минимизировать риск при заданном уровне доходности. Поиск оптимального решения относится к задачам линейного программирования. В рамках стратегии «Сигма» целевой функцией выступает общая доходность портфеля. Пытаясь максимизировать значение целевой функции, целенаправленно перебирая разные доли активов, алгоритм накладывает дополнительно два ограничения на оптимальную структуру (помимо того, что сумма всех долей должна быть равна единице). Важнейшее из них – волатильность должна быть на уровне среднерыночной (за период с 1998 по 2016 гг.). Поэтому на приведенном графике процесс оптимизации в «Сигме» выглядит как движение от более низких точек к наивысшей на конкретном уровне риска – средней волатильности индекса МосБиржи. Второе ограничение на оптимальный портфель в «Сигме» – это эффективное количество бумаг. Данный показатель характеризует степень концентрации портфеля с учетом стоимости позиций. Номинально бумаг может быть несколько десятков, но если при этом одна из них занимает более 90% от стоимости всего портфеля, то эффективное количество стремится к единице. Ограничение на данный показатель очень хорошо дополняет модель Марковица, так как изначально предложенная средне-дисперсионная оптимизация печально известна своей скудной диверсификацией. Эффективное количество должно быть не менее 15, это означает, что номинально бумаг может быть от 15 и больше. При этом, чем число ближе к 15, тем меньше степень свободы варьирования доли бумаг, вплоть до равных весов, если модель выбирает ровно 15 активов. Поэтому в среднем модель отбирает около 20 позиций. Следующая статья будет посвящена спекулятивной части стратегии – торговле фьючерсом на индекс. Она же будет завершающей в цикле статей про «Сигму». ____________________ #сигма
23 января 2024 в 19:39
Очередная статья по «Сигме» будет посвящена оценке риска акций в стратегии. После оценки доходностей для оптимизации структуры портфеля требуется определить так называемую ковариационную матрицу доходностей. Для начала дам базовое пояснение что это такое. В статистике есть понятие ковариации – меры совместной изменчивости двух случайных величин. Простыми словами, если большие значения одной переменной в основном соответствуют большим значениям другой переменной, и то же самое верно для меньших значений, то ковариация положительна. В таком случае переменные имеют тенденцию одинаковой направленности. При оценке риска переменными являются доходности акций. Именно Гарри Марковиц в 1952 году предложил оценивать риск акций с помощью ковариаций, показав, что, подбирая в портфель акции с наименьшей ковариацией, можно добиться существенного уменьшения волатильности портфеля. Это происходит за счет того, что колебания цен по разным активам взаимпогашают друг друга внутри портфеля. В идеальной ситуации падение цены одной акции компенсируется ростом по другой. Если при этом математическое ожидание по доходности двух акций положительно, то у нас будет равномерный рост портфеля. Ковариационная матрица представляет собой квадратную симметричную матрицу, где на пересечении строк и столбцов указана ковариация доходности одной акции с другой. Диагональ такой матрицы – особый случай, так как она показывает ковариацию акции с собой же, что математически равно дисперсии (меры колебания доходности по отношению к среднему уровню). Таким образом, оценив эту матрицу, можно посчитать волатильность всего портфеля. В статистике есть специальная формула для оценки ковариации, но она малопригодна для целей оценки риска акций прежде всего потому, что использует равные веса для каждого периода. Компания RiskMetrics заметила, что волатильность финансового рынка имеет свойство кластеризации и поэтому модифицировала эту формулу, заменив равномерное взвешивание на экспоненциальное. В данном случае более поздние доходности акций имеют больший вес, и оценка ковариации (а также дисперсии) более чутко реагирует на резкие изменения на рынке особенно в период коррекций и кризисов. В стратегии «Сигма» используется методология компании RiskMetrics при определении параметра сглаживания, окне усреднения и т.п. График на картинке к посту показывает недельную волатильность портфеля акций «Сигмы» (без учета фьючерса) вместе с недельной волатильностью индекса МосБиржи. Напомню, при оптимизации накладывается ограничение на структуру портфеля, чтобы его волатильность не превышала среднюю волатильность индекса за период с 1998 по 2016 гг. Во-первых, отчетливо видно, что фактическая волатильность портфеля действительно колеблется около среднерыночной. Во-вторых, даже поточечное сравнение волатильностей показывает, что риск акций «Сигмы» в большинстве случаев ниже, чем у рынка в целом. В период повышенной турбулентности риск заметно ниже за счет включения безрискового актива (часть активов портфеля просто остается в кэше). В следующей части рассмотрим саму процедуру оптимизации портфеля. ____________________ #сигма
16 января 2024 в 13:14
Следующие несколько постов будут посвящены описанию механизма работы «Сигмы». Начать я бы хотел с сердца стратегии – нейронной сети ответственной за оценку доходности акций. Напомню, для средне-дисперсионной оптимизации требуется оценка ряда параметров по каждому финансовому активу, важнейшим из которых является ожидаемая доходность. Поэтому рассматриваемая нейросеть является ключевой частью стратегии и именно благодаря ей «Сигма» способна демонстрировать столь впечатляющие результаты. Прежде всего, коротко расскажу, что вообще собой представляет нейронная сеть. В статистике есть такое понятие как регрессионный анализ – набор статистических методов исследования влияния одной или нескольких независимых переменных на зависимую переменную. Например, мы можем попробовать установить взаимосвязь между оценками в дипломе о высшем образовании и средней зарплатой на последующей работе. Здесь зарплата является зависимой переменной, а оценки – независимыми. Регрессионная модель в данном случае будет представлять собой такую математическую формулу, подставив оценки из диплома в которую, на выходе мы получим средний уровень оклада для конкретного человека. Простейшая форма регрессии: линейная. В данном случае мы просто складываем все оценки с некоторыми коэффициентами и получаем среднюю зарплату. Для нахождения данных коэффициентов нам нужно «обучить» нашу модель на большой выборке. Для этого требуется собрать статистику по тысячам людей: какие у них были оценки и какую зарплату в итоге они имели. Так вот, нейронная сеть это просто «регрессия на стероидах» – невероятно огромная математическая формула с миллионами внутренних параметров, которая принимает на вход значения независимых переменных и дает на выходе прогноз по значению зависимой переменной. Внутренние нелинейные связи между нейронами позволяют установить сложнейшую взаимосвязь между зависимой и независимыми переменными, поэтому нейросети относятся к методам искусственного интеллекта. Как уже было упомянуто ранее, в «Сигме» используется рекуррентная нейронная сеть долгой краткосрочной памяти (LSTM). Это особая разновидность архитектуры рекуррентных нейросетей, способная к обучению долговременным зависимостям. В качестве сырых входных данных используются 17 технических объемно-ценовых индикаторов, а также закодированные день недели и месяц, за последние 5 рабочих дней, т.е. нейросеть анализирует эти показатели в динамике. Эти данные стандартизируются, а также сокращается их размерность с помощью метода главных компонент (PCA). На выходе нейросеть дает прогноз доходности акции в последующие 5 торговых дней, таким образом горизонт инвестирования для модели – неделя. Для обучения использовалась выборка из более 130 тыс. паттернов по акциям из индекса МосБиржи с 1998 по 2016 гг. На картинке к посту приведена точечная диаграмма, которая показывает зависимость истинной доходности акции от предсказанной нейросетью на тестовой выборке. Тестовая выборка охватывает период с начала 2017 по конец 2023 года, т.е. эти данные нейросеть никогда не видела и на них не обучалась. Каждая точка показывает предсказанную доходность по оси абсцисс и истинную доходность по оси ординат. В идеале при 100%-й точности и нулевой ошибке прогноза все точки должны лежать на одной линии под углом 45 градусов при масштабе 1:1 (на графике масштаб совсем другой). Красной линией вместе с уравнением регрессии отмечена линия тренда облака точек. Именно эта линия отражает среднюю истинную доходность в зависимости от прогноза нейросети. Угол наклона этой линии (коэффициент регрессии при «x») и высота облака характеризуют качество нейросети – ее способность предсказывать доходность акций. Чем больше угол наклона отличается от 0 и чем меньше высота облака (среднеквадратическая ошибка), тем качественнее прогноз. Коэффициент 1,8735 показывает, что в среднем на 1% предсказанной доходности приходится 1,87% истиной доходности. В следующей части мы рассмотрим оценку риска в стратегии. ____________________ #сигма
9 января 2024 в 13:33
Новый год позади, возвращаемся к серии статей про «Сигму». Как и было упомянуто ранее, очередная статья будет посвящена просадкам стратегии. На картинке к посту приведен соответствующий график в сравнении с индексом полной доходности МосБиржи. Прежде всего напомню, что вообще собой представляет просадка. Это максимальный нереализованный убыток, который мог бы увидеть у себя потенциальный инвестор, если бы вошел в стратегию в самый неудачный момент – на пике кривой капитала. Наибольшая просадка обычно наблюдается в периоды кризисов и сильных коррекций. Стратегия проседает ощутимо ниже рынка на протяжении всего бэк-теста. Это происходит по трем основным причинам. Во-первых, в портфель подбираются акции с наименьшей корреляцией в динамике доходностей. Главная задача оптимизации – максимизация ожидаемой доходности портфеля при ограничении волатильности. Волатильность контролируется как раз выбором бумаг, чьи доходности могут создавать портфельный эффект синергии – взаимопогашать колебания внутри портфеля, делая кривую капитала более плавной. Это основа портфельной теории. С фундаментальной точки зрения существуют факторы, которые могут потенциально оказывать разнонаправленное влияние на некоторые акции, например цена на нефть может положительно влиять на выручку нефтедобывающих компаний и при этом негативно влиять на расходы транспортных компаний. Во-вторых, в периоды особо крупных кризисов и биржевых паник, когда волатильность всего рынка зашкаливает, стратегия может держать существенную часть активов в кэше. Это происходит все по той же причине – ограничение волатильности при оптимизации. Инвестиционная вселенная стратегии помимо акций из индекса МосБиржи, также включает безрисковый актив – наличную валюту. У кэша нулевая ожидаемая доходность, нулевая волатильность и нулевая корреляция с другими активами. Именно два последних свойства заставляют «Сигму» включать кэш в портфель в периоды, когда нет ни одной комбинации акций в каких-либо долях, способных удовлетворить требование по ограничению волатильности. По бэк-тесту в наиболее волатильные периоды мирового финансового кризиса (2008) и специальной военной операции (2022) до 65% основного портфеля, не учитывая хедж, было в кэше. Ну и в-третьих, главная причина того, что стратегия имеет меньшую просадку по сравнению с бенчмарком – хеджирование фьючерсом на индекс. Этому будет посвящена отдельная статья. Здесь лишь скажу, что, когда прогнозируется падение рынка, «Сигма» открывает короткую позицию по индексу, создавая практически так называемую нейтрально-рыночную позицию по портфелю в целом. На этом мы закончили мини-серию статей по результатам бэк-теста. В следующих частях разберем механизм работы стратегии, начиная с нейросети и оценки доходности акций. ____________________ #сигма
26 декабря 2023 в 15:22
Настало время рассмотреть самую интересную часть бэк-теста стратегии «Сигма»: годовые доходности в сравнении с индексом полной доходности МосБиржи. На мой взгляд самое важное в бэк-тесте это не итоговая цифра среднегодовой доходности и всевозможные показатели риск-метрик, а именно равномерность генерации прибыли (хотя безусловно все эти показатели связаны). Итоговая доходность может быть очень высокой, но если она сгенерирована за счет небольшого количества очень удачных лет, то велика вероятность переобучения модели, т.е. подстройки (подгонки) параметров под уникальные условия этих лет, которые, вероятно, могут больше никогда не повториться. Поэтому очень важна способность модели демонстрировать результат в самые разные годы с разными условиями и в разные фазы рынка. На картинке к посту представлена диаграмма с таблицей, где по годам приведены доходности «Сигмы» и бенчмарка. Напоминаю, что это цифры «брутто», т.е. до вычета комиссий, а также период до конца 2016 года использовался для обучения нейросети, которая прогнозирует доходности акций для оптимизационной модели. Реальная чистая доходность была бы ниже и все же за все 21 год у стратегии не было не просто ни одного убыточного года, не было ни одного года с гросс доходностью меньше двухзначной. Даже в самые кризисные годы. При этом за все эти годы, начиная с 2003, стратегия проиграла рынку лишь один раз в 2021 году, когда ее доходность составила 16,2% против 21,8% у индекса. Это действительно великолепный результат. Способность «Сигмы» демонстрировать результат в годы затяжного боковика (2011-2015), мировых кризисов (2008, 2020) и невероятной биржевой паники (2022) обусловлена спекулятивной частью с фьючерсом, о чем я уже упомянул еще в первой статье из серии, посвященной данной стратегии. Хеджирование с помощью индекса – это очень эффективный механизм, который, в частности, позволяет существенно снизить просадку стратегии. Именно о просадке пойдет речь в следующей части. ____________________ #сигма
21 декабря 2023 в 19:27
В очередной статье про «Сигму» разберем результаты бэк-теста более чем за 20-летний период. В качестве бенчмарка использовался индекс полной доходности МосБиржи, учитывающий дивидендную доходность акций. Тестирование на основе исторических данных охватывает период с 30.06.2003 по 30.11.2023. За данные годы рынок пережил самые разные фазы: уныние, эйфорию, апатию и т.д. Были и мировые кризисы с биржевой паникой, и затяжные боковики, и периоды супер бычьих настроений. Все это позволяет оценить поведение модели в самых разных условиях. Стоит отметить, что часть данных в этом периоде использовалась для обучения нейросети ответственной за прогнозирование доходности акций. Тестовая выборка с абсолютно новыми данными, которые нейросеть никогда не видела, начинается лишь с 30.10.2016. На графике (см. картинку к посту) используется логарифмическая шкала из-за большого разрыва в доходности и длинного горизонта инвестирования. Все показатели посчитаны на основе месячных данных, а не дневных, т.е. показатель просадки, к примеру, указан по состоянию на конец каждого календарного месяца, а не на конец каждого торгового дня. Как видно, среднегодовая доходность стратегии составила 55.6%, что почти в 4 раза больше, чем у бенчмарка. Это невероятно впечатляющая цифра, но тут нужно сразу оговориться. Во-первых, здесь не учтены абсолютно никакие издержки: ни комиссии, ни проскальзывания, ни налоги, т.е. чистая доходность будет значительно ниже. Во-вторых, как было указано ранее, бэк-тест включает часть обучающей выборки для нейросети и на новых данных доходность может отличаться, хоть и тестовая выборка демонстрирует относительную стабильность результатов. Волатильность стратегии по месячным данным получилась на 8% выше, чем у индекса, однако по дневным данным волатильность совершенно одинаковая и составляет около 30% в годовом выражении. При этом максимальная просадка более чем в два раза лучше, чем у рынка: 28,2% против 67,9%. По соотношению риск-доходность стратегия «Сигма» значительно превосходит бенчмарк. В следующей статье разберем годовые доходности и оценим равномерность перфоманса модели. ____________________ #сигма
19 декабря 2023 в 16:47
«Сигма» запущена, настало время поподробнее рассказать о том, что собой представляет данная стратегия. Я напишу серию статей, посвященных разным аспектам стратегии. Первый пост будет ознакомительным, где я расскажу о самых общих принципах работы алгоритма. Прежде всего «Сигма» – это количественная модель, которая работает по строго заданному алгоритму. В стратегии не используется профессиональных суждений, субъективных мнений и т.п. Программа динамически отслеживает состав индекса МосБиржи. В портфель могут попасть только акции из индекса. Это уже своего рода фильтр от мусорных бумаг. В начале каждой недели проводится математическая оптимизация структуры портфеля, в рамках которой алгоритм подбирает такие доли акций, при которых максимизируется общая ожидаемая доходность портфеля и при этом волатильность не превышает среднюю волатильность индекса за период с 1998 по 2016 гг. с определенным ограничением на эффективное количество бумаг. Для подобной оптимизации требуется оценить ряд параметров по каждой акции инвестиционной вселенной: ожидаемую доходность, собственную волатильность и корреляцию доходности с другими бумагами. Для оценки доходности акций используется искусственный интеллект – рекуррентная нейронная сеть долгой краткосрочной памяти (LSTM). Это специальная архитектура нейросети, предназначенная для прогнозирования временных рядов, где важные события разделены временными лагами с неопределенной продолжительностью и границами. Нейросеть была обучена на истории всех акций индекса МосБиржи с 1998 по 2016 год включительно. Подробности о нейросети, особенностях ее обучения и т.п. я расскажу в отдельной статье. Волатильность и корреляции или, говоря проще, риск по акциям оценивается статистически по методологии компании RiskMetrics – одного из лидеров рынка риск-менеджмента. Несмотря на то, что ядро стратегии представляет собой портфель акций, есть и спекулятивная составляющая – торговля фьючерсом на индекс МосБиржи. Гарантийное обеспечение берется под залог акций. Одна из задач фьючерса – это хеджирование в период рецессий и сильных коррекций, что особенно актуально сегодня, когда геополитика способна порождать огромную турбулентность на рынке. Именно за счет фьючерса стратегия способна зарабатывать даже на боковом или медвежьем рынке, что будет хорошо видно по результатам бэк-теста, который мы разберем в следующей части. ____________________ #сигма
30 ноября 2023 в 12:50
Перед серией постов о моей стратегии «Сигма», я хотел бы осветить тему количественных инвестиций в целом. Я уверен, что не каждый даже просто когда-либо слышал такой термин. Сфера количественного инвестирования, зародившаяся лишь в 80-90-х гг. прошлого века, уже является достаточно зрелой частью индустрии по управлению активами. В то время как многие области финансовых услуг постепенно отмирают под давлением развития информационных технологий, количественные инвестиции напротив лишь набирают обороты. Количественное управление портфелем, осуществляемое на основе эмпирических данных, устраняет негативные эффекты, связанные с эмоциями, в принятии инвестиционных решений. Также оно дешевле, чем проведение подробного фундаментального анализа, и позволяет небольшим командам квантов (специалистов по количественным инвестициям) покрывать огромные списки ценных бумаг в несколько тысяч эмитентов. Потенциал данной отрасли еще не раскрыт в полной мере. Постараемся разобраться, что собой представляет метод количественного инвестирования. Количественное инвестирование представляет собой интеграцию технологии обработки больших объемов данных (Big Data), алгоритмической торговли, искусственного интеллекта, машинного обучения, высшей математики, методов количественного анализа, высокопроизводительного компьютерного оборудования и высокоточного программного обеспечения. Говоря проще, данный подход использует математические модели для изучения поведения цен различных активов. Выделяются два основных этапа при разработке количественных стратегий: исследование и внедрение. Исследование является наиболее трудоемкой частью. В процессе исследования квант пытается построить алгоритм, который при тестировании на исторических данных покажет наибольшую эффективность. При внедрении программисты пишут код, реализующий найденную математическую модель. Квантовые фонды в основном приносят инвесторам абсолютную доходность, то есть заработок не зависит от направления движения рынка за исключением некоторых направлений количественного инвестирования, к коим, в частности, относится и моя стратегия «Сигма». Это самая закрытая сфера инвестиционно-банковского мира. Все слышали, например, про Уоррена Баффета, который обгоняет индексы на протяжении десятков лет, но мало кто слышал про Джима Саймонса, основателя Renaissance Technologies, который обгоняет Баффета в 2 раза по чистой доходности каждый год, начиная с 1990 года. Среднегодовая доходность одного из самых успешных фондов в истории – Medallion – под управлением Renaissance Technologies до вычета комиссий превышает невероятные 60% годовых. Историю гросс-доходности этого фонда можно найти на графике. Ведущие квантовые фонды закрыты для входа сторонних инвесторов, но некоторые из них имеют публичные продукты, правда с другими характеристиками доходности и риска. Причиной этому является ограниченная емкость используемых стратегий, хотя она и выраженная в миллиардах долларов. Всего под управлением алгоритмов сейчас в мире находится 1,6 триллиона долларов и прогнозируют, что это цифра достигнет 9 триллионов в 2025 году. Столь впечатляющие доходности лидеров этого рынка показывают, насколько перспективно данное направление инвестиций и куда будут направлены потоки капитала в ближайшем будущем. ____________________ #количественный_подход #методы_инвестирования
27 ноября 2023 в 9:48
Здравствуйте! Меня зовут Алексей Логиненков. Я управляю активами на фондовом рынке в формате автоследования и являюсь разработчиком инвестиционных стратегий. С некоторых пор я этим занимаюсь как индивидуальный предприниматель. Я веду авторский блог на разных платформах и данный пост я хотел бы разделить на 3 части: 👨🏼‍💼 кто я такой, чем конкретно занимаюсь и какой у меня бэкграунд; 🏛 с какими платформами автоследования я работаю; 💡 какова концепция моего блога. Начнем с меня. В инвестиционном бизнесе я работаю уже много лет. В 2014 году я пришел в компанию «БКС» и прошел путь от финансового советника до руководителя отдела по работе с частными клиентами. Потом я принял предложение переехать из Санкт-Петербурга в Москву на должность консультанта по управлению капиталом в департамент консультационно-брокерского обслуживания. Впоследствии перешел на позицию персонального брокера. Мое увлечение количественными инвестициями и постоянные исследования рынка привели к созданию стратегии «Оптимальный портфель», что позволило мне перейти на должность автора стратегий в департамент автоследования. В 2022 году я зарегистрировал ИП и теперь развиваю свои стратегии как независимый автор. В 2023 году основал проект «Quantitative Intelligence» или сокращенно QI – бренд, под которым я разрабатываю и продвигаю свои количественные инвестиционные стратегии. До инвестиций занимался несколько лет общим аудитом в компании BDO – пятой крупнейшей аудиторско-консалтинговой группе после «Большой четверки». Являюсь аттестованным специалистом финансового рынка, имею квалификационные аттестаты всех семи типов (ФСФР 1.0 – 7.0). Имею ассоциированное членство (ACSI) в Королевском Британском Институте по ценным бумагам и инвестициям (CISI), обладаю международным аттестатом данного института по управлению благосостоянием (ICAWM). С отличием окончил бакалавриат, магистратуру и аспирантуру экономического факультета Санкт-Петербургского политехнического университета Петра Великого. Защитил диссертацию на соискание ученой степени кандидата экономических наук в объединенном совете ИТМО и СПбПУ по специальности «Математические и инструментальные методы экономики». За время учебы обучался по различным программам за границей, включая программу по обмену «First» в Турку, Финляндия, в Åbo Akademi и MBA «International Management» в Ройтлингене, Германия, в Hochschule Reutlingen. Прошел курс «Количественные финансы» в частной образовательной организации «SF Education». Область моих интересов: количественные инвестиции, Data Science, портфельная теория, факторные модели, искусственный интеллект. Теперь подробнее о платформах автоследования, с которыми я работаю. В России не так уж много аккредитованных в НАУФОР программ. Сразу подчеркну – я не работаю с форекс-дилерами и вообще не имею никакого отношения к форексу, CFD-контрактам и т.п. Я торгую реальными активами на официальных биржах. Поэтому здесь выбор невелик, основные игроки на этом рынке: Финам (Comon), БКС (Fintarget) и Тинькофф (Тинькофф Сигнал). Моим основным контрагентом является БКС, их проект Fintarget, внутри которого я и начинал свою деятельность управляющего. В настоящий момент я также работаю с Финам и в ближайшем будущем начну сотрудничество с Тинькофф, когда у них появится возможность торговать фьючерсами. Ну и завершить пост я хотел бы описанием общей тематики блога. Учитывая мой карьерный путь и сферу интересов, в блоге я обычно пишу свои мысли по самым различным финансовым вопросам, связанным с инвестициями, финансовым планированием, типами инвестирования, моим подходом к работе с клиентами и т.п. В дальнейшем буду больше фокусироваться на развитии своих стратегий и теме количественных инвестиций в целом. В общем для всех, у кого есть минимальные представления об индустрии и желание глубже познакомиться с современными подходами к управлению капиталом, добро пожаловать! По вопросам сотрудничества пишите в личные сообщения. ____________________ #обо_мне