🐦 😳 🏍️ 替代数据的股票回报率为35％ ‼️ 🧣 🏛️

使用替代（非标准）数据进行交易正变得流行和有希望。前几天，我从莫斯科交易所（Moscow Exchange）手中获得了一个有趣的关于热门股票的数据集。经过肤浅的研究，我们取得了诱人的结果，并获得了良好的回报。细节剪下

数据集内容

数据集每天包含三个值pv30，pv70，pv100，并显示了当天最大的30个，70个和100个最大交易者的一组的买卖差额。即回答了这个问题，今天的大公司做了什么？更多购买或出售？例如，pv100 = 500表示一组总计前100名的交易者购买了500个单位。超过出售。

在交易所网站上，您可以查看数据集的完整描述并获取历史值

数据覆盖率：

10股：SBER，GAZP，LKOH，GMKN，MGNT，ALRS，AFLT，ROSN，SBERP，VTBR
4年：2014年-2017年（交易网站上的开放数据）

此外，我们将仅考虑SBER的数据，以下附录中其余9股的结果

资料总览

SBER的PV值的统计描述：

动态数据及其分布：

所有这三个值pv30，pv70和pv100彼此高度相关（> 0.95），并以接近零的中心接近法线分布。 pv30的最大四分位数范围。

SBER价格和PV100累计金额：

今天的产量与今天〜0.8的pv值密切相关。因此，我们可以假设价格是由获得较大头寸的参与者移动的。明天的价格走势和当前pv值之间的相关性是〜0.1，这意味着它们之间的相关性很弱，您可以尝试根据今天的pv数据来预测明天价格走势的方向。

交易模式

如果今天的值pv> 0，我们将构造一个简单的模型，我们假设价格明天将上涨，否则价格将下跌。将pv值与零进行比较，因为平均值和中值pv值分布在零附近。简而言之，如果今天主要的玩家在第二天购买（pv> 0），我们也购买，反之亦然。

模型特点：

模型中仅使用pv值，而不使用资产价格信息。
我们将在收盘竞价中的18:40-18:50开仓，并在第二天同时平仓。选择开仓时间，因为pv值在18:30发布
如果pv> 0，则建仓（买入）。如果pv <0，则建仓（卖出）
如果pv连续两天以上为正/负，则不执行任何操作（保持）。因此，未平仓头寸的大小始终是恒定的
假设交易费用为0.025％
每日收益将由收盘价至收盘价（收盘价）

交易模型结果

让我们根据SBER比较“买入并持有”策略（基本）和根据pv30，pv70和pv100的值在4年内的获利能力：

回报-模型收益为4年
夏普-夏普比率，无风险收益率rf = 6％
CAGR-年平均增长率
最大跌幅-最大跌幅
交易-已完成的交易数
获利/亏损天数-猜到未猜到价格变动的天数

动力学模型比较：

基本模型“买入并持有”与光伏指标的季度获利比较

其余九种工具的相似结果可在下面的附录中找到。

股票投资组合

以SBER为例，相对于资产本身，我们获得了很高的回报，但是，尽管如此，我们发现整个2015年都有大量亏损。在不同时间也可以观察到其他股票的此图（请参阅附录）。但是，如果您将资金分散在全部十股上怎么办？这样一来，我们就可以避免大幅缩水。

您可以平均分散，也可以与相应的流动性和工具容量成比例地分散。基于流动性和简单性，我选择了以下权重：{SBER：0.25； GAZP，LKOH：0.15； M + H 2O。 GMKN，MGNT：0.1，ROSN，ALRS，SBERP，AFLT，VTBR：0.05}，并比较了购买和持有策略和pv100的收益：

由pv100控制的10只证券的投资组合显示，年收益率为35％，且亏损比买入持有策略要少。

权衡可以得到15％和50％，但是重要的是，通过将资金分散在许多资产上，我们避免了交易模型中的大幅亏损。

资料之外的观察

基于pv的微分值也显示出良好的回报率（良好=高于市场）：短期内的sma，脉冲，体积配比以及技术分析中的其他类似技术
在波动性降低期间，pv值的脉冲会更好地表现出来
Pv值对罕见的强劲价格变动具有很好的敏感性，即猜测价格变动超过3％的百分比达到〜75％，而猜测的总百分比为〜50％
星期几中pv的分布是不同的，尤其是从星期一到星期五。大概在一周开始时会有一组头寸，在交易结束时
在上面讨论的交易模型中，将pv值与0进行了比较，尽管0不是最大化获利能力的最佳点
10股股份中的每一股都有其自身的特征

我的发现

在光伏方面追随大玩家的假说是一天的滞后，这一假设表明，结果高于2014-2017年的细分市场。可以肯定地说这将是永远的。新数据将是什么？一方面，没有任何理由可以破坏所有内容，另一方面，谁知道:)为了获得更大的信心，您需要更多的积分和最新的数据。

通过调整现有数据，可以使模型更复杂并获得可观的回报，但是过拟合的风险很高。

给听众一些问题，您如何看待：