Всем привет. Как показала практика, написание постов не самое интересное для меня занятие, но я проделал большую работу и хотел бы поделиться результатами. В последнем посте я продемонстрировал доходность своего портфеля, которым я практически не занимался. (Со времени предыдущего поста доходность упала на 20%, и составила чуть меньше 10% годовых.) Для простоты, я решил дать имя своему портфелю – UVA. На рисунке 1 представлена доходность портфеля, а на рисунке 2 сравнение доходности портфеля с ключевыми индексами S&P500 ($ESH2), NASDAQ ($NDX), Russell 2000, NYSE. Напомню, что цель моего проекта использования ML методов при управлении портфелем. Для решения данной задачи необходимо разработать систему метрик, по которым и предстоит судить о качестве управления. Сегодня я бы хотел продемонстрировать данные метрики. Хотелось бы начать с того, что данные метрики рассчитываются методом скользящего окна, используя данные предыдущих 90 дней. 1. Волатильность – представляет собой простейшую меру риска использования финансового инструмента за заданный промежуток времени. Для расчёта волатильности применяется статистический показатель выборочного стандартного отклонения, что позволяет определить риск приобретения финансового инструмента. На рисунке 3 представлены волатильность основных индексов, а также одно из фондов Кэти Вуд и портфеля Berkshire Hathaway Уоррена Баффета. Как видно из графика, мой портфель является наименее волатильным, что говорит о его небольшом риске. 2. Бета-коэффициент – является мерой рыночного риска, отражая изменчивость доходности портфеля по отношению к доходности другого портфеля, в роли которого часто выступает среднерыночный портфель. В качестве среднерыночных портфелей были выбраны все те 4 индекса. На рисунке 4 представлен коэффициент бэта для портфеля Баффета, Кэти Вуд и моего, относительно индекса S&P500 ($ESH2). Из данного графика видно, что фонд Кэти Вуд имеет куда более высокие риски чем риски S&P, портфель Баффета движется однонаправленно с индексом, но при этом менее рисковый. Мой же портфель имеет гораздо ниже риск чем у индекса S&P. Забегая вперед, могу сказать, что низкие риски моего портфеля связаны с тем, что с конца февраля 2021 года, я находился в кэше более чем на 70%. В то время были закрыты сделки по RDS.A и TOT с плюсом 60%. В портфеле было не больше 10 имен (BABA , MSFT , RTX , DIS , ZYXI и др.) Начиная с августа то же года я начал мелкие покупки ($TWOU , BYND , BLNK , CGEN , GTHX, SPCE , ZYXI , PRLB и др.), вследствие этого с августа можем видеть рост «риска» портфеля. На рисунке 5 представлен процентный состав портфеля. Завтра я расскажу о еще 3 метриках: альфа-коэффициент, коэффициент Шарпа, оценка диверсификации (уровень снижения несистематического риска и коэффициент диверсификации).

ML подход к созданию и балансировке инвестиционного портфеля. Это мой первый пост в Пульсе, поэтому пару слов о себе. Я пришел на фондовый рынок чуть меньше 2 лет назад, и за все это время я потратил не более пары часов на его анализ и отбор компаний, ибо моё решение открыть ИИС было скорее данью моде. Пару недель назад в моей голове созрел вопрос: «Насколько моё дилетантское поведение на рынке эффективно?» Заглянув в статистику приложения, я не нашел ответа на свой вопрос, из чего сделал вывод: «Необходимо создать своё приложение расчета доходности». К моему великому удивлению, я узнал, что Тинькофф предоставляет исторические данные о счете по Invest API. Теперь у меня появилась история моих операций и первое что мне пришло в голову, создать программу, которая сможет воссоздать мой инвестиционный портфель на конкретную дату. И вот спустя месяц, я могу посмотреть на свой прошлый портфель в любую дату. Сегодня бы я хотел продемонстрировать доходность моего портфеля за последние 2 года и сравнить эту доходность с S&P500. (Доходность с учетов валютной переоценки.) На рисунке жирной красной линией обозначена доходность моего портфеля, а синим доходность S&P500. Во время обвала 2020 года мой портфель показал себя сильно хуже S&P500 показав доходность в -53% при доходности индекса -29%. К январю 2021 года мой портфель показывает доходность в 46% при доходности индекса 20%. После этого в течение нескольких месяцев я начинаю сокращать долю акций в портфеле, и мы можем видеть рост доли кэша (жирная зеленая линия). Доходность портфеля перестает расти, а акции китайских компаний (тонкая оранжевая линия) начинает тянуть её вниз. И на настоящий момент я имею доходность в 37% при доходности S&P500 в 49%. Все это подтолкнуло меня к созданию модели машинного обучения по балансировке своего портфеля. Следующей моей задачей стоит рассчитать историческую долю риска и сравнить её с доходностью. А какую статистику вы бы ещё хотели видеть? Подписывайтесь и следите за этапами создания данной модели. Мне очень важно мнение опытных инвесторов! BABA, MSFT, VIPS, TSLA, FB, CHGG, GTHX, SPCE