Posts Tagged ‘интересные_факты’

Почему распределение доходности считается нормальным? Статистика в финансах.

10.10.2017

Одной из основных предпосылок в финансовой экономике является предположение о том, что доходности финансовых активов имеют нормальное распределение. Данное предположение существенно упрощает проблему выбора портфеля для инвестирования, так как позволяет сравнивать альтернативные портфели всего по двум критериям: стандартное отклонение и математическое ожидание. Подтверждение данной гипотезы очень важно для инвесторов (которые определяют риски вложения средств в портфели на основе распределения доходностей), а также финансовых экономистов (которые рассматривают распределение в качестве косвенной информации об экономических факторах, влияющих на доходности).

Однако подчиняются ли доходности финансовых активов нормальному распределению? «Отец финансов», Нобелевский лауреат Юджин Фама в своем дипломе показал, что распределение доходностей акций имеет толстые хвосты (Fama, “The behavior of stock market prices”, 1965b). Для инвесторов данная информация усложняет процесс определения риска вложения средств, ведь два портфеля могут иметь одинаковую доходность и стандартное отклонение, однако, вероятность отклонения от среднего у одного портфеля может быть выше. Для экономистов это означает, что экономические факторы, вызывающие доходность ценных бумаг, сами подвержены частым и внезапным потрясениям.

Здесь у читателя возникает логичный вопрос: а зачем тогда финансовые экономисты до сих пор используют предпосылку о нормальности распределения доходностей? (more…)

Питон в финансах

26.09.2017

Bitcoin

Если Вы знакомы с Python, то, наверняка, знаете, что сейчас для него существуют библиотеки практически на любой вкус. В этом посте речь пойдет о том, какие пакеты можно применять в финансах.

Одной из таких библиотек является PyNance, с помощью которой, например, можно импортировать данные о финансовых инструментах напрямую из Yahoo Finance. PyNance умеет анализировать и визуализировать информацию по рынкам акций и деривативов, а также генерировать данные для алгоритмов машинного обучения.

Помимо библиотек для анализа, существуют также библиотеки для трейдинга. В том случае, если на втором курсе Вам не хватило только знаний в программировании для того чтобы написать своего торгового робота, который принес бы Вам миллионы, то сейчас все еще не поздно наверстать упущенное, познакомившись поближе с такими библиотеками для алгоритмической торговли как pyalgotrade или algobroker.

С полным списком библиотек можно познакомиться по ссылке.