Начну потихоньку рассказывать про ЦМФ
Прежде всего надо объяснить, что это такое. Сейчас, когда я уже довольно много общался с организаторами в том числе за рамками обучения, у меня есть понимание, как они себе видят ЦМФ сами.
Центр Математических Финансов это такой образовательный кружок. На добровольных началах группа людей из индустрии и академии проводит популяризацию количественных финансов. Есть и коммерческие истории, например, курсы подготовки к CFA и FRM, но о них я ничего толком не знаю.
Программа достаточно утилитарная и нацелена на подготовку к работе в области количественных финансов.
Бояться ничего не нужно. Это действительно _кружок_. Все работают и учатся в кайф. Нет никакой потогонки, рейтингов, публичного осуждения. Задача заинтересовать и показать какие-то основы области и разных связанных профессий.
Поступление
Поступить довольно просто. В мой год нужно было проанализировать бизнес компании Tesla и дать прогнозы по ней. То есть это буквально эссе. Такой вступительный нужен, чтобы сразу отсеять случайных людей, оставить только тех, кому действительно интересны около-трейдинговые вещи.
Второй вариант поступить — предоставить диплом одного из топовых технических ВУЗов страны (МФТИ, ВШЭ, МГУ и т.д.) со средним баллом не ниже 4.5 или около того. А говорили, что мне мой красный диплом не понадобится! Право, не про Tesla же писать.
Заявок была тьма, штук 500. Зачислили тоже огромную толпу, человек 150. Но видно, что эссе-фильтр получился довольно неплохой.
Прежде всего надо объяснить, что это такое. Сейчас, когда я уже довольно много общался с организаторами в том числе за рамками обучения, у меня есть понимание, как они себе видят ЦМФ сами.
Центр Математических Финансов это такой образовательный кружок. На добровольных началах группа людей из индустрии и академии проводит популяризацию количественных финансов. Есть и коммерческие истории, например, курсы подготовки к CFA и FRM, но о них я ничего толком не знаю.
Программа достаточно утилитарная и нацелена на подготовку к работе в области количественных финансов.
Бояться ничего не нужно. Это действительно _кружок_. Все работают и учатся в кайф. Нет никакой потогонки, рейтингов, публичного осуждения. Задача заинтересовать и показать какие-то основы области и разных связанных профессий.
Поступление
Поступить довольно просто. В мой год нужно было проанализировать бизнес компании Tesla и дать прогнозы по ней. То есть это буквально эссе. Такой вступительный нужен, чтобы сразу отсеять случайных людей, оставить только тех, кому действительно интересны около-трейдинговые вещи.
Второй вариант поступить — предоставить диплом одного из топовых технических ВУЗов страны (МФТИ, ВШЭ, МГУ и т.д.) со средним баллом не ниже 4.5 или около того. А говорили, что мне мой красный диплом не понадобится! Право, не про Tesla же писать.
Заявок была тьма, штук 500. Зачислили тоже огромную толпу, человек 150. Но видно, что эссе-фильтр получился довольно неплохой.
😁1
Программа курса состояла из четырех модулей:
1. Алгоритмическая торговля
2. Структурные продукты
3. FX Options Trading
4. Оценка, аллокация и управление портфелем акций
Угадайте, после каких модулей отваливалось больше всего людей и на какие больше всего людей приходило?
1. Алгоритмическая торговля
2. Структурные продукты
3. FX Options Trading
4. Оценка, аллокация и управление портфелем акций
Угадайте, после каких модулей отваливалось больше всего людей и на какие больше всего людей приходило?
Недавно посетил два довольно длинных вебинара школы Московской биржи по торговле фьючерсами и опционами.
В общем для новичков на Московской бирже это полезный вебинар: рассказали что за инструменты, как считать фикс и вар маржу, где есть ликвидность, как это посмотреть, немножко даже про интеграцию квика с экселем.
Но это всё перемежается рассказами лекторши о её успешных успехах в теханализе и средненьких 50% годовых. Это можно понять, ей же надо свои платные вебинары продавать тоже. Однако рассказ об опционах абсолютно некомпетентен и вводит в заблуждение. Из него выходит, что опционы это практически чисто спекулятивный инструмент, который к тому же всегда хуже фьючерсов. И единственная толковая причина купить опцион -- это отложенная покупка акций.
С другой стороны, пусть лучше новички и правда не лезут в сложные продукты, сберегут кошельки.
В общем для новичков на Московской бирже это полезный вебинар: рассказали что за инструменты, как считать фикс и вар маржу, где есть ликвидность, как это посмотреть, немножко даже про интеграцию квика с экселем.
Но это всё перемежается рассказами лекторши о её успешных успехах в теханализе и средненьких 50% годовых. Это можно понять, ей же надо свои платные вебинары продавать тоже. Однако рассказ об опционах абсолютно некомпетентен и вводит в заблуждение. Из него выходит, что опционы это практически чисто спекулятивный инструмент, который к тому же всегда хуже фьючерсов. И единственная толковая причина купить опцион -- это отложенная покупка акций.
С другой стороны, пусть лучше новички и правда не лезут в сложные продукты, сберегут кошельки.
Quant Valerian
Программа курса состояла из четырех модулей: 1. Алгоритмическая торговля 2. Структурные продукты 3. FX Options Trading 4. Оценка, аллокация и управление портфелем акций Угадайте, после каких модулей отваливалось больше всего людей и на какие больше всего…
Самой попсовой темой (куда больше всего пришло и после которой больше всего ушло) оказался, конечно, алгоритмический трейдинг. Никаких тайн не рассказали, а задание оказалось довольно объемным и трудоёмким.
Акции тоже были весьма популярны, но до них дожило так мало людей, что там никто не отвалился.
Для многих оказался тяжёлым формат опционов, на котором я кайфанул больше всего. Вёл коллега по цеху, с которым мы торговали, тоже парень с Физтеха. Но тут не было домашек толком, люди просто сдались и забили ходить.
Так что в комментариях в общем довольно правильно всё оценили.
Акции тоже были весьма популярны, но до них дожило так мало людей, что там никто не отвалился.
Для многих оказался тяжёлым формат опционов, на котором я кайфанул больше всего. Вёл коллега по цеху, с которым мы торговали, тоже парень с Физтеха. Но тут не было домашек толком, люди просто сдались и забили ходить.
Так что в комментариях в общем довольно правильно всё оценили.
В комментариях принесли ссылку на летнюю школу ВШЭ на тему финтеха
https://cs.hse.ru/fintechschool/
https://cs.hse.ru/fintechschool/
cs.hse.ru
Школа по финтеху — 2025
Я пропал, но это было временно!
В связи с внезапно появившимся свободным временем сейчас буду графоманить.
Ближайшие два поста будут про последние два занятия на DMIA.
В связи с внезапно появившимся свободным временем сейчас буду графоманить.
Ближайшие два поста будут про последние два занятия на DMIA.
Третье занятие на базовом курсе DMIA провела Эмили Драль. В этот раз была очень длинная и очень плотная лекция. Рассказала она нам про разные метрики качества. Причем там было всё: и классификация, и регрессия, и ранжирование. Так же был блок про практику. Как метрики выбирать, строить, кастомизировать, объяснять заказчику, интерпретировать самому. В общем, три часа отборного материала в высоком темпе. Я уснул за 15 минут до конца первой части и за час до конца второй 😂
Пришлось потом пересматривать запись. Очень интересно, подробно и полезно. Я даже всё понял, кажется.
Пришлось потом пересматривать запись. Очень интересно, подробно и полезно. Я даже всё понял, кажется.
Финальная лекция (и небольшой семинар) были по обучению без учителя. Всякие там кластеризации, понижения размерностей. Прикольные штуки типа t-SNE (https://distill.pub/2016/misread-tsne/) и word2vec. Но получилось на мой взгляд как-то очень по верхам. Я мало чего запомнил из такого обзора. Заодно выдали последнюю домашку: сентимент анализ текстов (есть размеченый корпус). Я успел посидеть за ней пару вечеров и сколь-нибудь хорошего скора у меня не получилось. Как будет возможность, попробую ещё — расскажу потом, что получлось.
Stay tuned.
Stay tuned.
Distill
How to Use t-SNE Effectively
Although extremely useful for visualizing high-dimensional data, t-SNE plots can sometimes be mysterious or misleading.
Кстати, на следующий модуль — Индустрия — решили брать всех, кто дожил до конца базы. Там будут практические задачки. Я, конечно, больше хотел на deep learning, но он, похоже, отменяется.
Fun fact: модуль кейсы и индустрия ведет некогда студент моей жены. Уроборос однако.
Fun fact: модуль кейсы и индустрия ведет некогда студент моей жены. Уроборос однако.
Продолжаю свои пост-реанимационные посты, теперь уже из дома, но всё ещё с больничного (не ковид).
Пока у нас были заминки и перерывы в DMIA, я по-тихонечку ботал ODS-ный курс:
https://mlcourse.ai/
Он начинается с exploratory data analysis, что моей физической душонке крайне близко, рекомендую. В общем, этот курс неплохо дополняет то, что ребята рассказывают на DMIA.
Кроме того, вспомнил старые деньки, когда я учился в ШАД. Залогинился в вики школы и посмотрел пару-тройку лекций и семинаров курса Воронцова. В них гораздо больше математики, того, как все устроено внутри. Кроме того, кругозор от лекций Воронцова расширяется гораздо сильнее (Кантор об этом говорил на своих лекциях), потому что рассматриваются совершенно разные, в том числе устаревшие или непопулярные нынче методы. Я люблю идти "дедуктивно": от магической коробки, к её устройству внутри (от радиоэлектроники к квантовой физике, если проводить аналогии), поэтому Воронцова решил отложить на попозже, когда закончу DMIA и ODS (благо, осталось чуть-чуть).
Знаю людей, которым нужно наоборот — сначала понять основы, а потом из них строить абстракции.
А вам какой тип обучения больше заходит?
Пока у нас были заминки и перерывы в DMIA, я по-тихонечку ботал ODS-ный курс:
https://mlcourse.ai/
Он начинается с exploratory data analysis, что моей физической душонке крайне близко, рекомендую. В общем, этот курс неплохо дополняет то, что ребята рассказывают на DMIA.
Кроме того, вспомнил старые деньки, когда я учился в ШАД. Залогинился в вики школы и посмотрел пару-тройку лекций и семинаров курса Воронцова. В них гораздо больше математики, того, как все устроено внутри. Кроме того, кругозор от лекций Воронцова расширяется гораздо сильнее (Кантор об этом говорил на своих лекциях), потому что рассматриваются совершенно разные, в том числе устаревшие или непопулярные нынче методы. Я люблю идти "дедуктивно": от магической коробки, к её устройству внутри (от радиоэлектроники к квантовой физике, если проводить аналогии), поэтому Воронцова решил отложить на попозже, когда закончу DMIA и ODS (благо, осталось чуть-чуть).
Знаю людей, которым нужно наоборот — сначала понять основы, а потом из них строить абстракции.
А вам какой тип обучения больше заходит?
Ещё бонусом дам ссылку на обучающий контест по NLP. Время там уже на исходе, но ноутбуки с обучением почитать полезно.
https://www.aicrowd.com/challenges/ai-blitz-9
https://www.aicrowd.com/challenges/ai-blitz-9
AIcrowd | AI Blitz #9 | Challenges
5 Puzzles 21 Days. Can you solve it all?
Forwarded from ЦМФ
Центр математических финансов открывает регистрацию на осеннюю программу «Количественная аналитика» 2021.
«Количественная аналитика» ЦМФ - международная программа на русском языке. Все занятия проводят преподаватели-практики из финансовых, технологических и консалтинговых компаний.
Занятия - бесплатные. Для поступления - необходимо сдать экзамен.
Программа пройдёт онлайн с 4 сентября по 4 декабря 2021 года. Расписание опубликуем 1 августа.
Регистрация:
iqf.hse.ru/polls/482690706.html
Программа «Количественная аналитика» ЦМФ состоит из
- лекций и вебинаров по наиболее интересным темам международных программ по количественным финансам (CQF), финансовой аналитике (CFA), риск-менеджменту (FRM);
- авторских курсов от практиков из ведущих российских и международных финансовых и data science компаний;
- практических кейсов по количественному анализу финансовых данных и прайсингу финансовых инструментов;
- консультаций по подготовке к квантовским собеседованиям;
- игрового формата: брейн-тизеров и занятий по критическому мышлению.
Язык программы - русский. При этом многие учебные и дополнительные материалы - на английском. Это позволит освоить лексику, необходимую для прохождения собеседований.
В процессе обучения студенты смогут изучить Python с нуля на уровне, достаточном для начала карьеры в количественных финансах. Если Вы уже владеете Python'ном - у Вас будет возможность улучшить навыки работы с финансовыми данными и количественными моделями.
Программа готовит специалистов по наиболее интересным вакансиям в финансах: квантов, алготрейдеров, трейдеров, структураторов, аналитиков хедж-фондов, риск-менеджеров.
Помимо этих специальностей, многие выпускники программы «Количественная аналитика» ЦМФ находят работу в ведущих data science и консалтинговых компаниях.
Выпускники программы «Количественная аналитика» ЦМФ работают в российских и международных компаниях, в т.ч.: Goldman Sachs, JP Morgan, Morgan Stanley, World Quant, McKinsey, Сбер, Тинькофф банк, ВТБ Капитал, Google, Яндекс и многих других.
Программа ориентирована на студентов из российских и международных университетов с хорошей подготовкой по математике, физике и / или программированию. В предыдущие годы программу также успешно осваивали студенты экономических и инженерных факультетов.
Экзамены состоятся в конце августа. В программе экзаменов:
- тест по математике,
- аналитическое задание.
Организационная информация будет выслана на почту после регистрации.
Регистрация:
iqf.hse.ru/polls/482690706.html
🔗 Регистрация КА 2021
➰ Источник ВК
«Количественная аналитика» ЦМФ - международная программа на русском языке. Все занятия проводят преподаватели-практики из финансовых, технологических и консалтинговых компаний.
Занятия - бесплатные. Для поступления - необходимо сдать экзамен.
Программа пройдёт онлайн с 4 сентября по 4 декабря 2021 года. Расписание опубликуем 1 августа.
Регистрация:
iqf.hse.ru/polls/482690706.html
Программа «Количественная аналитика» ЦМФ состоит из
- лекций и вебинаров по наиболее интересным темам международных программ по количественным финансам (CQF), финансовой аналитике (CFA), риск-менеджменту (FRM);
- авторских курсов от практиков из ведущих российских и международных финансовых и data science компаний;
- практических кейсов по количественному анализу финансовых данных и прайсингу финансовых инструментов;
- консультаций по подготовке к квантовским собеседованиям;
- игрового формата: брейн-тизеров и занятий по критическому мышлению.
Язык программы - русский. При этом многие учебные и дополнительные материалы - на английском. Это позволит освоить лексику, необходимую для прохождения собеседований.
В процессе обучения студенты смогут изучить Python с нуля на уровне, достаточном для начала карьеры в количественных финансах. Если Вы уже владеете Python'ном - у Вас будет возможность улучшить навыки работы с финансовыми данными и количественными моделями.
Программа готовит специалистов по наиболее интересным вакансиям в финансах: квантов, алготрейдеров, трейдеров, структураторов, аналитиков хедж-фондов, риск-менеджеров.
Помимо этих специальностей, многие выпускники программы «Количественная аналитика» ЦМФ находят работу в ведущих data science и консалтинговых компаниях.
Выпускники программы «Количественная аналитика» ЦМФ работают в российских и международных компаниях, в т.ч.: Goldman Sachs, JP Morgan, Morgan Stanley, World Quant, McKinsey, Сбер, Тинькофф банк, ВТБ Капитал, Google, Яндекс и многих других.
Программа ориентирована на студентов из российских и международных университетов с хорошей подготовкой по математике, физике и / или программированию. В предыдущие годы программу также успешно осваивали студенты экономических и инженерных факультетов.
Экзамены состоятся в конце августа. В программе экзаменов:
- тест по математике,
- аналитическое задание.
Организационная информация будет выслана на почту после регистрации.
Регистрация:
iqf.hse.ru/polls/482690706.html
🔗 Регистрация КА 2021
➰ Источник ВК
❤1
Про первый модуль ЦМФ — Алго-трейдинг
В первом модуле нас сразу макнули с головой в математику. Очень быстро рассказали про стационарности случайных процессов, различные распределения. Потом научили классическим методам создания фильтров типа ARIMA, GARCH, показали способы моделирования хвостов распределений с толстыми хвостами (простите за эту тавталогию), рассказали про копулы. Здесь же были куски про риск-менеджмент: VaR/cVaR, draw-down, sharpe, sortino, rachev — всё, что нужно было считать в домашнем проекте.
А проект был максимально абстрактный: найти статью с любым торговым алгоритмом (где можно использовать ARIMA-like фильры), реализовать идею оттуда, забектестить и оформить презентацию со всеми показателями и производительностью (доходностью?) модели на истории.
В таком сеттинге все брали, конечно, тейкерские стратегии. Были как варианты momentum стратегий, так и куча версий mean-revertion, более того, несмотря на задание использовать ARIMA, некоторые таки принесли свои нейросети поверх сырых рядов цен/доходностей. Была даже работа с мультифрактальной стратегией, кто-то торговал факторные модели, но больше всего было pair trading'а.
Я с большим трудом нашел что-то, требующее ARIMA фильтра. Идея довольно простая: в среднем доходность акции постоянна, тогда если вчера она недозаработала, то ее нужно купить, а если перезаработала — шортануть. Но ожидаемая доходность здесь conditional на доходности всего остального рынка. Считаем, что распределения доходностей нормальные. Получается, что на каждом шаге нужно посчитать полную матрицу ковариации некоего набора акций (я брал подмножество S&P500), потом для каждой посчитать условное матожидание (это позволяет отслеживать ситуации, когда весь рынок пошел вверх или вниз, а не конкретная акция) и сравнить ожидание и реальность. Разница между ожиданием и реальностью — наша альфа.
Доходность у меня получилась хуже бенчмарка (S&P500), но целью домашки было не рабочую стратегию представить, а применить изученные методы, показать понимание работы с таймсериес данными, способность разбить данные на тренировочные, тестовые и валидационные (у всех стратегий куча гиперпараметров, если говорить языком ML). Впрочем, я думаю, что можно довести эту стратегию до прибыльности, если правильно подобрать активы и параметры входа и выхода из позиций. Нужно лишь время и желание.
За свою работу я получил 8/10 (попал в топ-10), хотя прилично посидел над задачкой — не всё так просто :)
В первом модуле нас сразу макнули с головой в математику. Очень быстро рассказали про стационарности случайных процессов, различные распределения. Потом научили классическим методам создания фильтров типа ARIMA, GARCH, показали способы моделирования хвостов распределений с толстыми хвостами (простите за эту тавталогию), рассказали про копулы. Здесь же были куски про риск-менеджмент: VaR/cVaR, draw-down, sharpe, sortino, rachev — всё, что нужно было считать в домашнем проекте.
А проект был максимально абстрактный: найти статью с любым торговым алгоритмом (где можно использовать ARIMA-like фильры), реализовать идею оттуда, забектестить и оформить презентацию со всеми показателями и производительностью (доходностью?) модели на истории.
В таком сеттинге все брали, конечно, тейкерские стратегии. Были как варианты momentum стратегий, так и куча версий mean-revertion, более того, несмотря на задание использовать ARIMA, некоторые таки принесли свои нейросети поверх сырых рядов цен/доходностей. Была даже работа с мультифрактальной стратегией, кто-то торговал факторные модели, но больше всего было pair trading'а.
Я с большим трудом нашел что-то, требующее ARIMA фильтра. Идея довольно простая: в среднем доходность акции постоянна, тогда если вчера она недозаработала, то ее нужно купить, а если перезаработала — шортануть. Но ожидаемая доходность здесь conditional на доходности всего остального рынка. Считаем, что распределения доходностей нормальные. Получается, что на каждом шаге нужно посчитать полную матрицу ковариации некоего набора акций (я брал подмножество S&P500), потом для каждой посчитать условное матожидание (это позволяет отслеживать ситуации, когда весь рынок пошел вверх или вниз, а не конкретная акция) и сравнить ожидание и реальность. Разница между ожиданием и реальностью — наша альфа.
Доходность у меня получилась хуже бенчмарка (S&P500), но целью домашки было не рабочую стратегию представить, а применить изученные методы, показать понимание работы с таймсериес данными, способность разбить данные на тренировочные, тестовые и валидационные (у всех стратегий куча гиперпараметров, если говорить языком ML). Впрочем, я думаю, что можно довести эту стратегию до прибыльности, если правильно подобрать активы и параметры входа и выхода из позиций. Нужно лишь время и желание.
За свою работу я получил 8/10 (попал в топ-10), хотя прилично посидел над задачкой — не всё так просто :)
👍2
Кроме подобных больших проектов в каждом модуле были еще тесты и брейн-тизер сессии раз в неделю.
На семинарах показывали разные питон-ноутбуки с расчетами и моделированиями всего и вся, рассказанного на лекциях, а после брейн-тизер сессий были разборы и советы по подходам к решению конкретных типов задач.
В комментариях просили делиться рекомендованной литературой. К первому модулю рекомендовалась всего одна книга: https://www.academia.edu/30221210/Quantitative_Risk_Management
На семинарах показывали разные питон-ноутбуки с расчетами и моделированиями всего и вся, рассказанного на лекциях, а после брейн-тизер сессий были разборы и советы по подходам к решению конкретных типов задач.
В комментариях просили делиться рекомендованной литературой. К первому модулю рекомендовалась всего одна книга: https://www.academia.edu/30221210/Quantitative_Risk_Management
www.academia.edu
Quantitative Risk Management
Finance as a discipline has been growing rapidly. The numbers of researchers in academy and industry, of students, of methods and models have all proliferated in the past decade or so. This growth and diversity manifests itself in the emerging
Второй модуль в ЦМФ — структурные продукты
Здесь новчикам было, пожалуй, адово. Здесь рассказывали и про облигации, и про рейтс вообще (fx swaps, xccy swaps, ir swaps), разные способы представления ставок, всякие *IBOR/*ONIA, да еще и про опционы. Правда, без какой-то сложной математики, без рисков, чисто PV и pay-off profiles, а главное — комбинации этого всего.
Основная идея была дать понятие о видах структурных продуктов: capital protected, yeild enhanced, participation. На домашку было попрайсить инвестиционные облигации ВТБ для физиков. Те самые, что я считал в этом канале в одном из первых постов.
Мне этот модуль помог расширить горизонты понимания сейлз части трейдингового бизнеса. Мы уже делали торгуемые на бирже инвестиционные облигации (без моего участия). Но я смог насчитать еще пару интересных продуктов для корпоративных клиентов (на момент были только dcd (dual currency deposit) — yield enhancement), я же сумел сделать еще capital protected продукты. Впрочем, они получили довольно посредственный спрос, но это тоже деньги!
Здесь новчикам было, пожалуй, адово. Здесь рассказывали и про облигации, и про рейтс вообще (fx swaps, xccy swaps, ir swaps), разные способы представления ставок, всякие *IBOR/*ONIA, да еще и про опционы. Правда, без какой-то сложной математики, без рисков, чисто PV и pay-off profiles, а главное — комбинации этого всего.
Основная идея была дать понятие о видах структурных продуктов: capital protected, yeild enhanced, participation. На домашку было попрайсить инвестиционные облигации ВТБ для физиков. Те самые, что я считал в этом канале в одном из первых постов.
Мне этот модуль помог расширить горизонты понимания сейлз части трейдингового бизнеса. Мы уже делали торгуемые на бирже инвестиционные облигации (без моего участия). Но я смог насчитать еще пару интересных продуктов для корпоративных клиентов (на момент были только dcd (dual currency deposit) — yield enhancement), я же сумел сделать еще capital protected продукты. Впрочем, они получили довольно посредственный спрос, но это тоже деньги!
Третий модуль ЦМФ — FX Options
Здесь было очень много бурления, бухтения и пустых испуганных глаз. Этот модуль вёл опытный коллега-трейдер fx (a.k.a foreign exchange) options. Кроме того, физтех. Так что повествование резко стало из строго-математического интуиционно-физически-модельным. Здесь уже рассматривались опционные позиции в динамике — это критически важно в трейдинге. Только в динамике можно понять, что значит volatility trading, что опционы это не обязательно про беттинг и редко (sic!) про directional trading. Всё рассказывалось на пальцах, картинках и ментальных моделях. Очень чувствовалось влияние легендарной книги Талеба "Dynamic hedging" (крайне рекомендую!). Риски и MtM валюация в динамике от различных параметров (спот, вола, время, ставки...). Как это все понимать и как этим управлять.
Задания имели максимально размытые формулировки, отчего у любителей математики нехило бомбило.
На мой вкус — лучший модуль. Я от него ничего не ждал, но он оказался, наоборот, очень интересным.
Ещё одна отличная книга про FX Options: Jewitt "FX Derivatives Trader School"
Если же нужны именно формулы, алгоритмы, строгие конвенции и т.п., то удобная книга J. Clark "Foreign Exchange Option Pricing" (но в ней неверно описаны конвенции и правила для резолва теноров, осторожно!)
Здесь было очень много бурления, бухтения и пустых испуганных глаз. Этот модуль вёл опытный коллега-трейдер fx (a.k.a foreign exchange) options. Кроме того, физтех. Так что повествование резко стало из строго-математического интуиционно-физически-модельным. Здесь уже рассматривались опционные позиции в динамике — это критически важно в трейдинге. Только в динамике можно понять, что значит volatility trading, что опционы это не обязательно про беттинг и редко (sic!) про directional trading. Всё рассказывалось на пальцах, картинках и ментальных моделях. Очень чувствовалось влияние легендарной книги Талеба "Dynamic hedging" (крайне рекомендую!). Риски и MtM валюация в динамике от различных параметров (спот, вола, время, ставки...). Как это все понимать и как этим управлять.
Задания имели максимально размытые формулировки, отчего у любителей математики нехило бомбило.
На мой вкус — лучший модуль. Я от него ничего не ждал, но он оказался, наоборот, очень интересным.
Ещё одна отличная книга про FX Options: Jewitt "FX Derivatives Trader School"
Если же нужны именно формулы, алгоритмы, строгие конвенции и т.п., то удобная книга J. Clark "Foreign Exchange Option Pricing" (но в ней неверно описаны конвенции и правила для резолва теноров, осторожно!)
Четвертый модуль ЦМФ — Выбор портфеля акций
Не помню, как назывался модуль в программе, но я ожидал здесь портфельную теорию, Марковица, Блэка-Литтермана или хотя бы всякие ленивые/пассивные портфели типа Богглхеда или Грэхема (Graham)*. Зато нам рассказывали про формы финансовой отчетности в США и РФ, какие туда входят документы и как их читать. В течение модуля мы раз в неделю устраивали "консилиум", где выбирали акции для портфеля на следующую неделю. Обоснования были разные: корпоративные ивенты, пандемические всплески, крупные праздники, выход отчетности, выход результатов клинических исследований, IPO конкурентов, какие-то инсайды про "перешорчивание" и прочее. А-Б-С-О-Л-Ю-Т-Н-Ы-Й Р-А-Н-Д-О-М. Не помню, заработали ли мы что-то по итогам модуля, но волатильность PnL'а была дикая. Идеи зачастую не то, что не стреляли, они играли в обратную сторону с тем же успехом, что и в ожидаемую нами — горе-аналитиками. Факторы и отчетность мы не использовали, потому что горизонт слишком короткий для этого — неделя. Не знаю, как остальные, а я прекрасно почувствовал на себе, что такой выбор акций сродни текстам, вышедшим из под печатных машинок, управляемых мартышками.
В целом мне всегда было интересно научиться читать отчетность. Но я абсолютно уверен, что торговать по ней не имеет никакого смысла. Особенно теперь, когда я, пусть и поверхностно, но выяснил, что конкретно означают все эти цифирьки. Грамотный бухгалтер нарисует вам практически _любую_ отчетность, перенесет кешфлоу в будущее или наоборот, в настоящее, грамотно и дешево занизит риски, в общем, создаст нужное впечатление.
Тем сложнее в наше время value investing — нужны инсайды и глубокое понимание, как _на самом деле_ обстоят дела в компании.
*Да, есть в The Intelligent Investor описание довольно пассивного портфеля из акций и облигаций, с редкой ребалансировкой
Не помню, как назывался модуль в программе, но я ожидал здесь портфельную теорию, Марковица, Блэка-Литтермана или хотя бы всякие ленивые/пассивные портфели типа Богглхеда или Грэхема (Graham)*. Зато нам рассказывали про формы финансовой отчетности в США и РФ, какие туда входят документы и как их читать. В течение модуля мы раз в неделю устраивали "консилиум", где выбирали акции для портфеля на следующую неделю. Обоснования были разные: корпоративные ивенты, пандемические всплески, крупные праздники, выход отчетности, выход результатов клинических исследований, IPO конкурентов, какие-то инсайды про "перешорчивание" и прочее. А-Б-С-О-Л-Ю-Т-Н-Ы-Й Р-А-Н-Д-О-М. Не помню, заработали ли мы что-то по итогам модуля, но волатильность PnL'а была дикая. Идеи зачастую не то, что не стреляли, они играли в обратную сторону с тем же успехом, что и в ожидаемую нами — горе-аналитиками. Факторы и отчетность мы не использовали, потому что горизонт слишком короткий для этого — неделя. Не знаю, как остальные, а я прекрасно почувствовал на себе, что такой выбор акций сродни текстам, вышедшим из под печатных машинок, управляемых мартышками.
В целом мне всегда было интересно научиться читать отчетность. Но я абсолютно уверен, что торговать по ней не имеет никакого смысла. Особенно теперь, когда я, пусть и поверхностно, но выяснил, что конкретно означают все эти цифирьки. Грамотный бухгалтер нарисует вам практически _любую_ отчетность, перенесет кешфлоу в будущее или наоборот, в настоящее, грамотно и дешево занизит риски, в общем, создаст нужное впечатление.
Тем сложнее в наше время value investing — нужны инсайды и глубокое понимание, как _на самом деле_ обстоят дела в компании.
*Да, есть в The Intelligent Investor описание довольно пассивного портфеля из акций и облигаций, с редкой ребалансировкой
👍1
Про пользу брейн-тизеров
Брейн-тизер — это такая очень абстрактная задачка на подумать. Например, сколько бы вы взяли денег за то, чтобы помыть все окна в Москве? Сколько шариков для пинг-понга можно уместить в Боинг-737?
Многие бугуртят с брейн-тизеров, потому что не понимают, зачем они нужны. Мол, ты либо знаешь ответ, либо не знаешь.
Это не так. Важен не ответ. Точнее, ответ вообще не важен. Важен ход рассуждений.
Я понятия не имею, чем Боинг-737 отличается от ТУ-154, но задачку решил довольно точно. Можно примерно прикинуть длину и радиус фюзеляжа среднестатистического пассажирского самолета чисто из жизненного опыта. Потом постараться вспомнить размер шарика для пинг-понга, опять же, примерно. Потом сообразить, что шарики не слишком плотно упаковываются, прикинуть какой-нибудь коэффициент, переводящий "кубики для пинг-понга" в шарики и т.д.
Абсолютно такие же задачи иногда встают и на работе. Например, вам нужно решить, на каком рынке сконцентрировать свои усилия в следующие полгода. Прежде всего вы должны оценить потенциальную прибыль от этого мероприятия, потом объемы необходимых ресурсов, включая время, деньги и людей. Как вы это всё оцените, если раньше никогда никто этого не делал? Так же, как количество шариков в Боинге. Погуглите объемы торгов в сутки, прикините свою долю рынка, посмотрите на тестовых сделках/узнаете у коллег по цеху объемы маржи, прикините, сколько вы сможете дожать маржи, если сделаете лучше конкурентов. Вот ваша потенциальная прибыль от бизнес-линии. Теперь прикиньте, сколько вам нужно человеко-часов для разработки, тестирования, заключения договоров и т.д. Оцените стоимость контрактов, закупок, людей. Посмотрите какие у вас сроки, сколько стоит их сократить, сколько сэкономите (но недополучите) если их растянуть, оптимизируйте эти числа. Вот вам расклад: сколько вы сможете заработать net через полгода, если начнете развивать эту бизнес линию сейчас.
Мне действительно приходилось такое делать на работе. Это довольно время- и трудо-ёмко. Нужно много гуглить, спрашивать разных людей, думать, что ты мог упустить, разбираться в важных деталях. Но это помогает принимать решения в условиях неопределенности.
Брейн-тизер — это такая очень абстрактная задачка на подумать. Например, сколько бы вы взяли денег за то, чтобы помыть все окна в Москве? Сколько шариков для пинг-понга можно уместить в Боинг-737?
Многие бугуртят с брейн-тизеров, потому что не понимают, зачем они нужны. Мол, ты либо знаешь ответ, либо не знаешь.
Это не так. Важен не ответ. Точнее, ответ вообще не важен. Важен ход рассуждений.
Я понятия не имею, чем Боинг-737 отличается от ТУ-154, но задачку решил довольно точно. Можно примерно прикинуть длину и радиус фюзеляжа среднестатистического пассажирского самолета чисто из жизненного опыта. Потом постараться вспомнить размер шарика для пинг-понга, опять же, примерно. Потом сообразить, что шарики не слишком плотно упаковываются, прикинуть какой-нибудь коэффициент, переводящий "кубики для пинг-понга" в шарики и т.д.
Абсолютно такие же задачи иногда встают и на работе. Например, вам нужно решить, на каком рынке сконцентрировать свои усилия в следующие полгода. Прежде всего вы должны оценить потенциальную прибыль от этого мероприятия, потом объемы необходимых ресурсов, включая время, деньги и людей. Как вы это всё оцените, если раньше никогда никто этого не делал? Так же, как количество шариков в Боинге. Погуглите объемы торгов в сутки, прикините свою долю рынка, посмотрите на тестовых сделках/узнаете у коллег по цеху объемы маржи, прикините, сколько вы сможете дожать маржи, если сделаете лучше конкурентов. Вот ваша потенциальная прибыль от бизнес-линии. Теперь прикиньте, сколько вам нужно человеко-часов для разработки, тестирования, заключения договоров и т.д. Оцените стоимость контрактов, закупок, людей. Посмотрите какие у вас сроки, сколько стоит их сократить, сколько сэкономите (но недополучите) если их растянуть, оптимизируйте эти числа. Вот вам расклад: сколько вы сможете заработать net через полгода, если начнете развивать эту бизнес линию сейчас.
Мне действительно приходилось такое делать на работе. Это довольно время- и трудо-ёмко. Нужно много гуглить, спрашивать разных людей, думать, что ты мог упустить, разбираться в важных деталях. Но это помогает принимать решения в условиях неопределенности.
👍1