Statistik

På senare dagar har jag sett en del kalendereffekter som publicerats, bland annat på udda/jämna veckor. Samuelsson hade ett par länkar, här och här.

Kände mig tvungen att testa själv och mina resultat är lite annorlunda. Främst för att jag körde över en längre tidsperiod. Kolla FTSE tex, deras test började 2010 vilket är cherry pickin så det sjunger om det. Jag vet inte hur dom gjorde med helgerna i deras test men jag använde close to close (fre-fre). Testade även några andra tillgångar än aktier.Dollar, Bonds och Olja ser mest intressant ut. Enjoy.

Credit Suisse Fear Barometer Backtested

Sentiment är alltid kul att testa, jag har försökt skapa några egna index men det är ganska svårt att få till något vettigt. Lyckligtvis har jag en kompis som jobbar på en investment bank och därmed har tillgång till Bloombergs terminal som har ett stort utbud av data. Han skickade data på Credit Suisse Fear Barometer till mig för länge sedan, men jag har inte kommit till skott att testa det fören nu.

SPY + CSFB Index

Gjorde ett snabbt backtest, om index fallit mer än 2 punkter på 5 dagar, gå long och sälj efter 5 dagar.

Equity-kurva på backtest

Ser lovande ut, det stora problemet är att få tag i data. Har googlat lite men ingen verkar redovisa indexet. Tänker inte heller betala 300 000 kr för en bloomberg-terminal. Annars är jag säker på att man skulle kunna få till en mycket bättre modell, eventuellt med något medelvärde och standardavvikelser som triggers.

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. 

Express an idea

Hur uttrycker man en idé på marknaden? Säg att man tror att en tillgång ska upp eller ner, då finns det flera olika sätt att "uttrycka" sig på för att tjäna pengar på denna rörelse.

Min gamla chef pratade mycket om det här, främst vill han att vi skulle börja titta på andra alternativ till aktier. Om vi hade en positiv syn på AAPL, kunde vi då använda tex optioner till detta?

Här är några alternativ om man vill gå "Long":
Köpa aktien
Köpa en Call(köpoption)
Sälja(gå kort/ställa ut) en Put(säljoption)
Köpa en Warrant
Köpa en Mini-Future

Hur man väljer att gå till väga beror lite på kapitaltillgång, risk, mål och andra preferenser.

Något jag skulle vilja poängtera är dock att många lägger för mycket vikt vid om det är hävstång eller inte i produkten. För mig är alltid exponering prio nr 1.

Ett exempel, jag vill gå lång Volv B. Hur gör jag?

Alt 1, köp aktien för 100 000, låt oss säga att den står i 100kr. 1% rörelse kommer då resultera i 1000kr vinst/förlust.

Alt 2, köp en hävstångsprodukt med 5ggr hävstång för 20 000. 1% rörelse i Volv B kommer ge 5% i produkten, eller 1000kr (0,05 * 20 000).

The Retarded Hedge Fund Manager

Ingen har väl missat Börspoddens senaste avsnitt med Mikael Syding som drev Brummerfonden Futuris. Jag kan starkt rekommendera att ni går in på hans hemsida, mikaelsyding.com, och skriver upp er på hans mejllista. Då får ni nämligen hans gratis PDF/ebook som är det bästa jag har läst på länge. Otroligt spännande att få en inblick bakom kulisserna i vad som kan ha varit en av världens bäst presterande hedgefond.

Här är några av hans "lessons" som jag tycker är värda att ta med sig:

• Always be investing(in yourself)

Han pratar också om det i podden, hur han nu som "retarded", spenderar sin tid med att ta in ny information/kunskap. Ränta-på-ränta-effekten är inte bara något som fungerar på finansmarknader, det fungerar i verkliga livet också. 

• Be patient

Bästa sättet att bli fattig är att försöka bli rik fort. 

Det är aldrig bråttom att köpa/sälja, gör läxan först och vänta på rätt läge.

• Always bet on black

Alla vill ha högre priser, svenssons, centalbanker, politiker, folk vill köpa inte sälja. Högre priser ger högre avgifter och skatter, och det håller folkmassorna lugna.

"Be long unless you have extremly good reasons to be short"

•   Never go all in

Hur mycket research man än gör så kan man alltid ha fel. Betta aldrig hus och hem.

• Valuation and fundamentals are but a small part

Över väldig långa perioder så spelar fundamenta en stor roll .
Under perioder upp tom. 10år så gör dom det inte, eller åtminstone inte konsekvent. 

• Kanske ett extremly good reason?

IPO Statistics

Här kommer lite fakta om IPOs!

Jag tog listan från Trade-Ideas som ska innehålla IPOs från de senaste 12 månaderna. Excel ville inte ta fler än 250 kolumner(behövde vågrät lista till python) så jag fick nöja mig med A-T. Efter att ha rensat ut några stycken som yahoo inte hade data på så slutade listan på 227 tickers.

Avg 1st day return O2C: -0,59% (!?!)

Hade nästan kunnat garantera att den siffran skulle vara positiv, men det är väl därför man ska göra sin hemläxa. Kanske beror det på att alla "bra" bolag redan har noterats och att det nu kommer ut mera skräp än tidigare? Hade varit intressant med data från tidigare år. Kan också vara så att aktierna öppnar upp så pass mycket att det helt enkelt inte finns någon uppsida kvar.

Avg 2nd day return O2C: +0,45%

Andra dagen verkar tydligen vara bättre, kanske för att aktier har en tendens till mean reversion? Om första dagen är dålig ökar chansen att andra dagen är bra?

Något jag brukar kolla efter är om aktien öppnar över sitt IPO-pris. Om den gör det får vi följande:

Avg 1st day return O2C: -0,10%
Avg 2nd day return O2C: +0,11%

Om aktien första dagen stänger över sitt IPO-pris:
Avg 2nd day return O2C: +0,90% (!)

Amerikanare är väldigt knepiga när det kommer till siffror, man pratar gärna i "points" och absoluta termer. Man hör tex att en aktie gick upp 4 dollar eller att Dow Jones är ner X antal points vilket såklart är totalt ointressant om man inte vet vad aktien eller index stod i från början. Jag vet inte om dom är för dumma för %-räkning eller vad orsaken är. Hur som så är det lite av en kvalitetsstämpel att ha en dyr aktie i absoluta tal, så jag delade upp aktierna i 3 "buckets".

Open day1 < 10$:
Avg 1st day return O2C: -2,37%

20$ > Open day1 > 10$ :
Avg 1st day return O2C: -1,13%

Open day1 > 20$:
Avg 1st day return O2C: +1,56%(!)

Kanske finns det lite värde i hur "dyr" en aktie är? Åtminstone när det gäller IPOs.

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.