Мишин А.А.кандидат филологических наук, доцент кафедры бухгалтерского учета и финансов, Владимирский государственный университет им. А.Г. и Н.Г. Столетовых, г. Владимир, Российская Федерация andmishin@gmail.com https://orcid.org/0000-0002-4849-0710 SPIN-код: 7370-1980
Предмет. Стратегии торговли производными финансовыми инструментами. В связи с широким применением алгоритмической торговли на мировых финансовых рынках проблема написания и тестирования алгоритмов приобрела в последнее время большую актуальность. Цели. Разработка алгоритма торговли календарными спредами фьючерсов на золото на основе стратегии следования за трендом, имеющей низкую корреляцию с рынком (S&P500) и минимальные просадки. Методология. Применены общенаучные и специальные методы исследования, в частности: анализа, синтеза, эксперимента и сравнения. Результаты. Предложен алгоритм стратегии торговли календарными спредами фьючерсов на золото. Стратегия построена на предположении, что существует предсказуемый коммерческий или институциональный интерес к определенному фьючерсному контракту. Это результат сезонных циклов складских запасов и добычи сырья. В нашем случае – фьючерсных контрактов на золото (GC:COMEX). Цена на фьючерсные контракты на золото с поставкой летом и осенью теоретически должна быть ниже, чем цена на фьючерсные контракты на золото с поставкой зимой. Тем не менее поскольку закономерность в цене этих фьючерсных контрактов сразу не видна, в качестве сигнала предложено использовать издержки по поддержанию позиции. Выводы. Анализ стратегии подтверждает логику использования стратегии календарного спреда, состоящую в покупке фьючерсных контрактов в летние месяцы с датой экспирации зимой, и выход из этих позиций в зимние месяцы, когда относительная цена этих контрактов является наивысшей. При этом стоит отметить и то допущение, по которому на рынке золота за анализируемый период очевиден бычий тренд. Вероятно, это является последствием мирового спроса на металлы в условиях нестабильных рынков, поэтому данную стратегию стоит использовать на растущих рынках.
Collins D. Commodity Indexes Getting More Complex. Futures Magazine, 2007, pp. 58–61. URL: Link
Cootner P. Speculation and Hedging. Food Research Institute Studies, 1967, vol. 7, pp. 64–105.
Fung W., Hsieh D. The Risk in Hedge Fund Strategies: Alternative Alphas and Alternative Betas. In: The New Generation of Risk Management for Hedge Funds and Private Equity Investments. Ed. by L. Jaeger. London, Euromoney Books, 2003, pp. 72–87. URL: Link
Rulle M. Trend-Following: Performance, Risk and Correlation Characteristics. URL: Link
Mulvey J.M., Simsek K.D., Kaul S.S.N. Evaluating a Trend-Following Commodity Index for Multi-Period Asset Allocation. Journal of Alternative Investments, 2004. URL: Link
Jensen G.R., Johnson R.R., Mercer J.M. Time Variation in the Benefits of Managed Futures. Journal of Alternative Investments, 2003, no. 5, pp. 41–50. URL: Link
Jaeger L., Cittadini P., Jacquemai M. Case Study: SGFI Futures Index. Journal of Alternative Investments, 2002, vol. 5, pp. 73–80. URL: Link
Durham J.B. The Effect of Monetary Policy on Monthly and Quarterly Stock Market Returns: Cross-Country Evidence and Sensitivity Analyses. FRB Finance and Economics Discussion Paper, 2001, vol. 42., pp. 95–113.
Chan E. Machine Trading: Deploying Computer Algorithms to Conquer the Markets. Wiley Trading, 2017, 246 p.
Chan E. Algorithmic Trading: Winning Strategies and Their Rationale. Wiley, 2013, 224 p. URL: Link
Raschka S., Mirjalili V. Python Machine Learning: Machine Learning and Deep Learning with Python. Packt Publishing, 2017, 622 p.
Patterson S. The Quants: How a New Breed of Math Whizzes Conquered Wall Street and Nearly Destroyed It. Crown Business, 2011, 352 p. URL: Link
Lungarella G. Managed Futures: A Real Alternative. SwissHEDGE, 2002, Fourth Quarter, pp. 9–13. URL: Link
Davey K. Building Winning Algorithmic Trading Systems: A Trader's Journey From Data Mining to Monte Carlo Simulation to Live Trading. Wiley, 2014, 288 p.
