“Index builder” w Macrobondzie

9 lipiec, 2020

Przedwczoraj przyglądałem się wykresom 10 spółek wchodzących w skład indeksu FANG+ (patrz “Składowe FANG+ cd.” i “Nowe rekordy FANG“). Niestety indeks FANG ma krótką sięgającą zaledwie końca 2017 roku historię, więc postanowiłem ją sobie wydłużyć wykorzystując do tego narzędzie Macrobonda o nazwie “Index builder”.

Macrobond oferuje kilka metod konstrukcji indeksów:

Ponieważ wszystkie 10 składników indeksu FANG+ ma równe wagi, to ja skorzystałem z metody “Constant user weights”.

Uzyskany efekt okazał się bardzo bliski rzeczywistemu przebiegowi indeksu FANG+”:

Powered by macrobond.com

… więc uzyskałem pewność, że zastosowana metoda jest poprawna.

Cały wykres tej wydłużonej historii FANG+ wygląda tak:

Powered by macrobond.com

Należy pamiętać, że w latach 1986-1997 jedynym składnikiem tego indeksu jest spółka Apple, w 1997 roku dołącza Amazon, w 2000 NVidia, w 2002 Netflix itd. i dopiero od 2014 roku po pojawieniu się amerykańskich ADR-ów Alibaby na indeks zaczyna mieć wpływ zachowanie akcji wszystkich 10 spółek.

Powyższy wykres jest bardzo trudny do interpretacji, bo generalnie od 18 lat po prostu – z krótkimi przerwami – rośnie. Trochę na siłę narysowałem jednak na nim dwie czerwone kreski wyznaczające linie oporu – pierwszą poprowadzoną przez kitchinowe szczyty indeksu z 2007, 2011, 2014 i 2018 roku, i drugą poprowadzoną przez analogiczne kitchinowe dołki. W przyszłości indeks ten powinien postukać w obie linie oporu od dołku i potem odpaść w dół. Na GPW ostatni kitchinowy szczyt wypadł w styczniu 2018, więc orientacyjnym momentem, w którym powinien nadejść kolejny szczyt tej klasy jest maj 2021, ale oczywiście ze względu na pandemię sytuację mamy nietypową, więc nie wiadomo, na ile ten szacunek można traktować poważnie.

Podsumowanie: “index builder” Macrobonda pozwala zobaczyć przedłużoną historię indeksu FANG+.

61
Powiązane artykuły

Komentarze

  3. pire

    Problem ze spółkami typu SFD to elementarny brak płynności, chyba ze dla kogoś 10-15tys obrotu dziennie to wystarczająca płynność. Wzrosty biorą się głównie z braku płynności, ktoś uruchamia łańcuszek i się turla do czasu… chyba że się w szerszy timing nie wstrzeli.

    1. Bankier

      Ale nie będę tłumaczył jak to jest , w małym biurze maklerskim jest 2 analityków podających za typy spółki bez obrotu , sami piszą ,że nie kupią ale jak ich czytelnicy w dużej ilości się rzucą to tak podbijają sobie wycene , kupno za dużą kasę i wyjście z takiej spółki jest niemożliwe bez zbicia kursu

      za to przedstawiciel fotowoltaiki któego rano pokazałem tylko 35% dzisiaj ,ale trzeba koniecznie stawiac na banki bo tak mówi tutaj znaFca z kolegami januszami ze swojego biura , oNe mają takie Narzędzia że tylko ich słuchac bo majtki spadną .

      2
    2. wojciech.bialek (Autor
      Wpisu      )

      To prawda, zaczynam mieć wątpliwości, czy pisać o małych spółkach, bo SFD od razu dziś robi +30 proc.

      Problem polega na tym, że ostatnio ciekawe rzeczy dzieją się generalnie na spółkach z New Connect (NCIndex znów dziś +3,5 proc. do najwyższego poziomu od 9 lat), więc trochę trudno ignorować najsilniejszą hossę na polskim rynku akcji (choćby to była jego liga okręgowa) od lat 1993-1994.

      Ale jeszcze trochę się pewnie trzeba będzie pomęczyć:

      https://wojciechbialek.pl/2020/02/kiedy-odejsc-od-stolika-na-rynku-new-connect.html

      … chociaż ja widzę silną przynajmniej korektę już za 4-5 tygodni, bo z taką uporczywością jak obecnie NCIndex to rósł w przeszłości tylko sWIG-u 80 do kwietnia 2004 i do kwietnia 2006:

      https://wojciechbialek.pl/2020/07/ncindex-jak-swig-80-w-marcu-2004-i-kwietniu-2006.html

      1. Bankier

        Ty sie do mnie nie odzywaj , zobaczyłeś wykres i teraz nagle chcesz kolegę znaleźć , oglądaj sobie wykres Brastera z 20 zł na 20 groszy a moje spółki zostaw w spokoju , masz tam zamkniętą grupę fachowców to sobie z nimi gadaj , ja z Tobą nie mam o czym .

        1
        1. red.007

          Będę Cię punktował,nie kupiłeś teoretyku,wizjonerze.
          A gdybym Ci powiedział,że mam KGH od 68,to byś uwierzył?
          No to Ci nie powiem,bo po co po fakcie.
          Na priv tylko 3 osoby z bloga o tym wiedzą.

          9
  11. macarek

    @bankier

    Photon – I q przychody 5 mln, strata 1,5 mln,
    kapitalizacja 1 mld => jaki tu sens? spóka nawet nie korzysta z fotowoltaicznej koniunktury…

    Na NC jest ekipa przypominająca tych od WIRR-ówki

    Więc sens tych wzrostów jest mocno szemrany.

    2
      1. sumadartson

        Zacząłem pisać na tym forum w lutym i pierwsze co pisałem to na shortkoń panowie szlachta a łupy(złoto,MNS) brać w troki. Brałem złotko od września po piątalu ale jeszcze w lutym po bodaj 2 dychy można było wyjąć do lipca 375%.

        1
          1. sumadartson

            A, kumam. Jak znajdę mało płynną perłę w koronie bez podaży i będę ją wysyłał x-spacem w kosmosa, to dam Waszmości znać. Mam ze dwie na oku, tyle że branże wujowe i koniunktura niepewna. Nie to co na złocie jesienią i zimą.

  14. mac-erson

    Z bieszczadzkich połonin, gdzie zasięg zanika widać wszystko jak na dłoni. W przyszłym tygodniu poniedziałek lub środa kończymy harce na Usiakach i rozpoczynamy spadki. Niedługo więc będzie trzeba krzyknąć “na koń” szlachcice.

    1
    1. sumadartson

      Stamtąd to wzrok sięga do końca świata i kawałek dalej.
      Myślę że na koń wcześniej bo w cyberpunku zawodnik ma problem z wypróżnieniem na ulicy a ponadto bez amfetaminy nie sposób pojechać autkiem

      2
  15. billy_the_kangoor

    “”red.007 9 lipca 2020 o 16:25
    Będę Cię punktował,nie kupiłeś teoretyku,wizjonerze.
    A gdybym Ci powiedział, że mam KGH od 68, to byś uwierzył?
    No to Ci nie powiem, bo po co po fakcie.
    Na priv tylko 3 osoby z bloga o tym wiedzą.””
    Potwierdzam.
    Jak również fakt, że to prawdopodobnie ostatnia szansa na zejście oila, korony, kangura, kiwi, loonie w sferę promocji.
    a co za tym idzie, także indeksów.
    do trzech razy sztuka, powiadają! 🙂
    take care, b.

    3
  20. animetal_slave

    „Tmoore 9 lipca 2020 o 12:40
    A przybliży Pan? Od dawna mam wrażenie, że nie gram z innymi graczami tylko z AI. Nawet o tym napisałem na blogu. Ostrzegam, nie jestem matematykiem”

    Troszkę mogę przybliżyć koncept.
    – Od 2012 roku, wolumen handlu algorytmicznego nieustannie rośnie na wszystkich giełdach świata, ale najwięcej danych jest dla NYSE. Fundusze quantowe mają rosnący udział w rynku, natomiast pozostałe grupy są w trendzie malejącym (inne hedge fundy, tradycyjni asset managerzy czy banki inwestycyjne)
    – Badania pokazują, że w trakcie dnia na NYSE, ponad 70% handlu jest wyłącznie algorytmiczny; „absent of market shock events” – dlatego, że wtedy wyłącza się algorytmy, bo inaczej mamy quant. Momentum crash (2012, 2019)
    – Nowoczesne algorytmy, są zupełnie inne od algorytmów sprzed jeszcze kilku, kilkunastu lat. Temat jest bardzo szeroki, nawet nie wiem od czego zacząć. W dwóch słowach:
    1) zmieniają się dane oraz ich struktura: kiedyś: większość danych miesięcznych/kwartalnych; teraz: mamy dane dzienne, nawet minutowe, w oparciu o które można robić reguły quantowe. Na przykład, kiedyś chcąc zamodelować wpływ ropy naftowej, inflacji oraz sprzedaży detalicznej na wyceny aktywów, zrobilibyśmy tak, że dla danych miesięcznych zamodelowalibyśmy modele regresji liniowej i na podstawie poszczególnych bet (siły zmian) oszacowalibyśmy wpływ poszczególnych zmiennych na wycenę aktywów (czyli jak wzrost wydobycia ropy naftowej wpływa na rentowność spółek wydobywczych a tym samym na sektor energetyczny, który stanowi konkretną część indexu, itd.).
    Oczywiście, taki approach nie był do końca poprawny, bo modele oparte o dane miesięczne nie są dokładne. Po drugie, nie były brane zależności nieliniowe, występowała współliniowość, pozorna regresja, outliery („Fat Tails” etc.).
    2) Obecnie nastąpił niesamowity progres w technologiach i mamy dane o wyższej częstotliwości, mamy dane alternatywne, dużo więcej pamięci w komputerach oraz rozwijają się systemy sztucznej inteligencji. To wszystko, to prawdziwy przełom dla Hedge Quant. Fundów.
    Wracając do przykładu powyżej (przykład wymyśliłem sam, żeby zobrazować proces, nie jest on w pełni logiczny, ale w miarę realny). Dzisiaj, możemy wykorzystać dane satelitarne, systemy geolokalizacji do sprawdzenia, poziomu załadowania tankowców ropy naftowej oraz sprawdzeniu, które kopalnie (oil rigs) wydobywają ropę w sposób ciągły i na tej podstawie możemy szacować podaż ropy. Popyt na ropę oraz sprzedaż detaliczną można aproksymować za pomocą podobnych technik geo-satelitarnych, np. badać stopień zapełnienia parkingów przed galeriami (prezes Walmartu robił to już dawno temu, latał samolotem nad USA w celu zobaczenia aktywności konsumentów), a także można zbadać natężenie ruchu i inne rzeczy. Dane alternatywne są płatne, firmy specjalizujące się w pozyskiwaniu tych danych, dodatkowo te dane oczyszczają i sprzedają hedge fundom – my je kupujemy i zaczynamy modelować. Ludzie instalują sobie darmowe aplikacje, ale dzielą się danymi; aplikacje typu Lidl, Biedronka te dane sprzedają. Na ich podstawie, można prognozować aktywność konsumenta i oceniać np. realny wpływ pandemii na gospodarkę, PKB, a co za tym idzie, giełdę.
    Modelowanie wygląda tak, że pozyskane dane oczyszczamy i tworzymy reguły quantowe w celu wykrycia zależności nieliniowych. Wykorzystujemy Machine Learning oraz AI. Prosty przykład powyżej byłby zamodelowany za pomocą jakiejś regresji (np. LASSO), oraz modele factorowe albo PCA posłużyłyby do eliminacji współliniowości.
    Następnie robimy Back-test, czyli jak dany model działał historycznie, oraz out of sample test, czyli model działał poza próbą. Najlepsze modele są potem wdrażane w handel algorytmiczny.

    Pozdrawiam,
    animetal_slave

    7
    1. dociekliwy54

      Jeśli można się dołączyć-pytanie.
      1/Jakie wyniki OOS i IS widziałeś dla tych lepszych modeli?
      (Chodzi mi o średni roczny zysk w %/ maxDD).
      2/Jak wygląda proces internalizacji systemu przez gracza będącego projektantem i nie będącego projektantem?
      Pozdrawiam.

      1
      1. animetal_slave

        Dla in-sample bardzo wysokie wyniki są możliwe, ale oczywiście, łatwo zrobić data mining, oraz ryzyko regime-switch jest też wysokie.
        Dla out-of-sample, dla indeksu SPX, wyniki powyżej 10% AATR dla long-only, dla long-short powyżej 12% – to są dolne granice dopuszczalnych modeli. Górne, cóż, widziałem powyżej 30%, ale próba niższa.
        Drugiego pytania nie rozumiem.

        1. dociekliwy54

          Chodzi mi o to, że większość ludzi traci nawet używając zyskownych modeli.
          Ważne jest zrozumienie i akceptacja systemu.
          Tu (np. dla ML) jest jeszcze trudniej, bo mamy do czynienia z czarną skrzynką.
          Gracz musi zaakceptować “czarną skrzynkę”. W tradycyjnych modelach oprócz znajomości ” wnętrza” mamy określone proporcje transakcji wygranych do stratnych, znany stosunek śr zysk/ śr. strata, w miarę stabilne rozkłady statystyczne wyników. Jak jest z tymi rzeczami w ML i czy osoby ich używające mają problemy z akceptacją metody?

          1. animetal_slave

            To w dużej mierze prawda o czym Pan pisze. Powiem tak, modele Machine Learningowe to absolutnie nie jest czarna skrzynka – analityk doskonale wie, jak działa model i jak się zachowa.
            Modele których Pan pisze to bardziej AI, które ciągle się uczą. To znaczy, początkowo uczą się na in-sample, a potem rozwijają reguły w ramach live-out-of-sample. Nie stosuję takich modeli do handlu algorytmicznego, za duże ryzyko crashu i traci się kontrolę nad modelem.
            Można oczywiście stworzyć np. sieć neuronową, i dodać warunki brzegowe, tak żeby algorytm, w ramach uczenia się, nie wyszedł nam poza ramy maksymalnej alokacji do equity etc. Ale tak jak powiedziałem, supervised oraz unsupervised learning są w pełni kontrolowalne, z deep learning (AI) zaczynają się schody i tego nie stosujemy. Deep learning przydaje się do innych dziedzin, np.identyfikacja twarzy.

            1
            1. resss

              z ciekawości jakie konkretne sieci uzywane sa, jakie parametry procesu uczenia?

              poświęciłem na to chwilę i o ile w przypadku hft to dziala i będzie szybsze i lepsze od ludzi o tyle w dluzszym terminie to jest czarna skrzynka i moze po x miesiącach obserwacji mozna z danych przyjąć ze ml jakos dziala

            2. dociekliwy54

              Dzięki. W sumie to optymistyczne, że deep learning nie wypiera, przynajmniej na razie tradera.
              Gdyby jeszcze zechciał mi Pan objaśnić, dlaczego wyniki podaje Pan jako procent AATR a nie maksymalnej odnotowanej straty i czy metody supervised oraz unsupervised learning dają w miarę stabilne rozkłady wyników ?
              Więcej pytań nie mam. 😉

        2. Max

          ” Na ich podstawie, można prognozować aktywność konsumenta i oceniać np. realny wpływ pandemii na gospodarkę, PKB, a co za tym idzie, giełdę.”
          Dla najlepszych modeli jaki jest procent skuteczności prognozowania?

  22. Mr.Morris

    Zapewnienie otrzymania pożyczki …
    Żadnych bzdur, żadnych wpadek
    skontaktuj się z nami, aby uzyskać pożyczkę już od 2% stopy procentowej?
    Stań się bogaty i sławny, płać rachunki i długi
    Żyj swoimi marzeniami
    skontaktuj się z Panem, Morris Loan już dziś, korzystając z poniższych informacji
    Email: Email: wildloanoffer1@yahoo.com
    WhatsApp: +44 7404 930343
    po więcej informacji

Dodaj komentarz