Trading the NFP #s

Nonfarm Payroll är en av de viktigaste statistiska siffrorna som släpps varje månad och en siffra som alla ekonomer, traders och förvaltare håller koll på. Genom att koppla upp sig mot FRED(Federal Reserve Economic Data) och deras api så kan man enkelt plocka ner den datan.

Du kan också hämta manuellt via denna länk.

Som ni kan se verkar korrelationen mot S&P vara ganska hög

Om man då gör en enkel strategi där man går lång S&P om NFP > 100 dagars medelvärde så får man följande resultat:

Blå = Strategi, Lila = Index

Strategi Drawdown: -30.5%

Strategi Sharpe: 0.65

Index Drawdown: -73.6%

Index Sharpe: 0.48

Testperioden var 1995 - 2015

Quantopian

Quantopian håller på att skapa en riktigt vass plattform för traders som vill bygga automatiska strategier, det fina är att dom tillhandahåller all data vilket ofta är den svåraste biten. Även intradagsdata finns! Sentdex har gjort en video-serie där han går igenom hur man använder python med quantopian, kan rekommenderas för er som inte vill lägga ut tusentals kronor på diverse andra program. 

Research

Fått en hel del research gjort idag, hittade några intressanta saker. Ska göra ett inlägg om IPOs imorgon om jag hinner, min "hypotes" som jag tror många andra delar visade sig vara helt fel.

Jag väldigt glad att jag la ner några timmar(läs svinmånga) på att lära mig python, satan vad mycket enklare det är att gräva i data. Tex så trixade jag lite med en av mina bättre daytrading-strategier och gjorde en variant på den. Det ser riktigt lovande ut. Istället för att sitta i excel och skriva formler tills fingrarna blöder printar python ut både charts och statistik med några få rader kod. Grymt!

Gratis realtidschart? Python fixar!

Något som kan vara ganska dyrt när man börjar med trading är all data som man måste ha för att följa alla aktier. Dessutom brukar programmen vara ganska stela och erbjuder inte mycket till "customization". Nordnets Autotrader är kanon då man kan skriva egna indikatorer och forma det mesta. Tyvärr måste man dock veta på förhand vilka aktier man vill följa och konstant tanka hem data på dessa såvida de inte finns i deras kundservice varpå man kan tanka därifrån.

Min plattform jag använder för daytrading har också ganska trötta grafer och en grej som jag har irriterat mig på är att det inte finns VWAP.

Efter att ha kollat runt på lite videos om Python lyckades jag få ihop en kod som tankar hem data från Yahoo Finace API:n och på så sätt får jag en graf med dagens priser som uppdateras var 30de sekund(går att uppdatera oftare). Tycker att resultatet blev rätt bra. Datan är ju gratis och har sina brister men jämfört med min plattform ser det inte ut att skilja allt för mycket. Dessutom programmerade jag in vwap.

Now we are cooking with peanut oil!

Har jobbat lite mer med att få ordning på Python och hur man skulle kunna använda programmet för att göra backtest och även optimera parametrar. Kan verkligen rekommendera TradingWithPython.Blogspot.com och TradingWithPython.com. Jev har byggt upp ett eget paket som tillägg och även kodat ett exempel för backtesting. Efter många år i det svenska skolväsendet är man expert på "copy and paste" så det var ganska lätt att få till en egen variant.

Det jag gillar mest är att man kan göra en så kallad "heat map" där man kan se hur resultatet (mätt som Sharpe-kvot i detta fall) ändras för olika kombinationer av variablerna.

Nedan är ett test på en tradingstrategi för WFC som jag använt ett tag. Mina värden som jag har använt är 0.2 för variabel 1 och 0.5 för variabel 2. Som ni ser är resultaten ganska bra för en bred range kombinationer i det nedre högra hörnet. Det är ett bra tecken och kan tolkas som att strategin är hyfsat "stabil"

Optimeringen är gjord på data mellan 2000-2014. Optimala värden var 0.32 och 0.69, inte så långt ifrån vad jag har använt.

För out-of-sample 2014 -2015 blir resultatet följande

Programmering

För att kunna göra bra research måste man gå igenom stora mängder data. Oftast har jag har jag använt excel till detta men det finns helt klart några nackdelar såsom att det är tidskrävande att hämta hem och organisera data. Det går säkert att skriva några rader i VBA som påskyndar allt men jag har ett excel från 1800-talet plus att jag har märkt en del problem när man kör svenska/amerikanska inställningar i både scriptkod och program.

I vanliga fall använder jag Nordnets Autotrader om jag vill bygga strategier vilket fungerar bra men även där finns några brister. Till exempel finns bara data på amerikanska aktier från 2012 och endast på vissa utvalda tickers. Dessutom är det ganska krångligt att göra enkla hypotesprövningar, en grej jag gillar att göra är tex. att jämföra intradagsavkastningen mot den avkastning som skapas över natten.

Jag har länge önskat lära mig riktig programmering och har försökt läsa på lite om vilket språk man bör börja med. Python verkar vara ett av de lättare språken samt omtyckt av många (gratis och open source också). Min gamla propfirma där jag började min tradingkarriär använder också Python och har även byggt en helt egen tradingplattform i Python. Nu har jag iaf laddat ner programmet och börjat leka runt lite. Jag är fortfarande ute på djupt vatten och vet inte exakt vad jag gör alltid. Hur som så fick jag fram några snygga grafer på "overnight vs intraday returns" och kan nu enkel jämföra olika tickers genom att bara byta symbol i koden, tar 3 sekunder jämfört med någon minut om jag skulle göra det för hand via yahoo finance och excel. Här är ett exempel på GLD, en guld-ETF. Som ni ser skapades i stort sett all avkastning "overnight" under uppgångsfasen. Viktig info om man försöker bygga ett tradingsystem.