#اعتبار_اهرمی

قسمت اول

▫️تا حالا براتون سوال پیش اومده که چرا یه بروکر، اهرم مثلا ۱۰۰ یا ۵۰۰ به مشتری هاش میده و هر چی بروکر فشل تر باشه اهرم های بزرگتری در اختیار مشتری هست؟ شاید اولین جوابی که در پاسخ به این سوال به ذهن میرسه، اینه که خوب هر چه پوزیشن ما به کمک اهرم بزرگتر باشه، کمسیون و اسپرد بیشتری نصیب بروکر میشه و بروکر درآمدش از این محل هست. این پاسخ درست هست اما همه ماجرا نیست! در ادامه هر جا اسم بروکر استفاده شده منظور بروکرهایی هستند که به تریدرهای خرد سرویس میدن یعنی به اصطلاح Ratail Broker های OTC. این واژه OTC هم به این معنی هست که بازار مثل بازار مثلا سهام ایران، متمرکز نیست و هسته ای وجود نداره که بروکر ملزم باشه اردرها رو برای مچ و اجرا بفرسته اونجا.

▫️درآمد اصلی بروکرها از محل زیان من و شماست! منظورم این نیست که بروکر کاری میکنه که ما ضرر کنیم و از محل ضرر ما اون سود کنه، نه بروکرها غالبا چنین کاری نمیکنند. این ما هستیم که بازی رو به بازار واگذار کرده و ضرر میکنیم و چون بروکر از این موضوع آگاه هست، اون رو به محل درآمد اصلی خودش تبدیل کرده. در واقع نه همه ما، بلکه ۹۰ درصد ما بازنده هستیم و تریدرهای خرد طبق مطالعات فقط ۱۰ درصدشون سود ده هستند.

▫️بروکرها مشتری هاشون رو به دو دسته تقسیم میکنند، مشتری های بازنده توی A Book و مشتری های برنده توی B Book قرار میگیرند و بروکر در پشت صحنه به طرز متفاوتی سفارشات ارسالی این دو دسته مشتری رو هندل میکنه. در دسته بازنده ها، وقتی یه مشتری سفارشی ارسال میکنه، این سفارش عملا در بازار اجرا نمیشه و بروکر سمت مقابل سفارش شما رو میگیره، یعنی اگر شما خریدار باشید، بروکر فروشنده هست به شما و سفارش خرید شما رو در بازار واقعی اجرا نمیکنه. در نهایت وقتی پوزیشن در ضرر بسته میشه، بروکر علاوه بر کمسیون و اسپرد، ضرر شما رو هم به عنوان سود خودش از معامله شما شناسایی میکنه که بهش میگن OTC Gain. انگار یه جورایی شرطی که با مشتری بسته بود بر بازنده بودنش رو برده و عددی که روش شرط بندی شده بود هم مقدار ضرر مشتری هست! وقتی بروکر به مشتری اهرم میده، در واقع داره به خودش کمک میکنه که کمسیون، اسپرد و OTC Gain بیشتری رو به واسطه امکان گرفتن پوزیشن بزرگتر توسط مشتری، نصیب خودش بکنه. به علاوه اگر مشتری پوزیشن اش رو در طول شب باز نگه داره، برای اون پولی که به عنوان اعتبار اهرمی به مشتری داده، میتونه بهره شبانه هم بگیره و این بهره هر چه اهرم و پوزیشن بزرگتر باشه، بیشتر خواهد بود. به این بهره شبانه swap ،carry و rollover هم میگن که البته میتونه مثبت یا منفی باشه ولی غالبا بازار جوری هست که این بهره از مشتری گرفته میشه.

ادامه دارد ...

@FinPy

#finpy_tse

▫️عمده هدف ما از انتشار ماژول فینپای، کمک به دانشجویان و محققان بازار سرمایه بوده و هست. در کتابچه ماژول هم، این کار تقدیم شده به محققان بازار سرمایه ایران و بازخوردهای خوب و پیامهای محبت آمیزی از برخی اساتید و دانشجویان تحصیلات تکمیلی امیرکبیر، تهران، خوارزمی و خاتم که از دیتای ماژول در پایان نامه هاشون استفاده میکنند رو داشتیم که دلگرمی بزرگی برامون هست. خوشحالیم که سهم کوچکی در تسهیل پژوهش های بازار سرمایه و خدمت به این کامیونیتی خاص و پیشران توسعه، داریم.

▫️دوست داریم بیشتر از این عزیزان بشنویم و اگر علاقه مند بودند و معذوریت نداشتند، بعد از دفاع، مقاله یا متن پایان نامه شون رو هم در کانال شیر کنیم یا حتی میزبان این عزیزان در پروژه های دیگر فینپای باشیم. اگر شما هم جزء این دسته هستید، به ما پیام بدید.

@FinPy

#علم_داده_مالی_CFA

دوره اول:

Data and Statistics Foundation for Investment Professionals

جلسه اول، هفته دوم:

Calculate and Interpret Measures of Dispersion and Explain Deviations from a Normal Distribution

@FinPy

#علم_داده_مالی_CFA

دوره اول:

Data and Statistics Foundation for Investment Professionals

جلسه دوم، هفته دوم:

Quantiles

@FinPy

#Quant_Insights_Conference
#Portfolio_Management

▫️پنج روز دیگه، کنفرانس مدیریت پرتفو Quant Insights که موسسه CQF اون رو میزبانی میکنه، برگزار خواهد شد. سال قبل، کنفرانس سالانه رو پوشش دادیم و ویدیو پرزنتهای درخواستی مخاطبان رو در کانال به اشتراک گذاشتیم. انشاالله، این کنفرانس رو هم به همون روال براتون پوشش خواهیم داد.

▫️اسلایدها و ویدیوهای کنفرانس سالانه، سال قبل رو میتونید از اسلایدهای روز اول و اسلایدهای روز دوم دانلود کنید. فیلم ارائه های درخواستی مخاطبان رو هم میتونید از پست های زیر دانلود کنید:

Decentralized Finance, Central Bank Digital Coins, Automated Market Makers and Forex of the Future, Professor Alexander Lipton

Using Machine Learning Algorithms to Estimate the Functional Form of Optimal Trading Strategies, Graham Giller

Alternatives to Deep Neural Networks for Function Approximations in Finance, Dr. Alexandre Antonov

@FinPy

#ML_for_Algo_Trading

▫️جلسه چهاردهم ارائه کتاب:
Machine Learning for Algorithmic Trading

روز دوشنبه 26 اردیبهشت (امشب) ساعت ۲۰، برگزار خواهد شد. موضوع جلسه:

Text Data for Trading – Sentiment Analysis

(فصل چهاردهم کتاب) خواهد بود. برای شرکت در جلسه از طریق زوم، از این لینک و مشخصات زیر (در صورت نیاز) استفاده کنید:
Meeting ID: 899 2864 0090
Passcode: 12345
در صورتی که ظرفیت زوم تکمیل شده باشد، میتوانید از طریق لایو اینستاگرام جلسه را مشاهده کنید.

▫️برای دانلود کتاب از این لینک و برای دانلود کدهای پایتون کتاب از این لینک میتونید استفاده کنید. جلسات قبل هم در این پلی لیست در یوتیوب بارگذاری شده است.

▫️برای اطلاعات بیشتر در مورد ارائه دهندگان، به وبسایت پرزنتها مراجعه کنید.

@machinelearningnet2
@FinPy

#لوپز_دپرادا
#مالی_رفتاری
#ماشین_لرنینگ

▫️به بهانه جلسه ارائه امروز دوستانم، این ویدیو کوتاه رو که در اون آقای دپرادا مثالی در مورد کاربرد ماشین لرنینگ در Behavioral Finance و استفاده از بایاس های رفتاری فعالان بازار جهت کسب سود ارائه کرده رو به اشتراک میزارم. فقط این توضیح رو به عنوان مقدمه برای این مثال اضافه میکنم که آقای دپرادا معتقده استفاده از ماشین لرنینگ در مالی رفتاری و شناسایی بایاس های رفتاری، به دلایل زیر ضروری هست:

- Behavioral datasets are complex and unstrucured and ML tools can help to uncover biases, that otherwise will remain hidden
- An objective definition of behavioral bias requires a definition of non-human intelligence

▫️ویدیو کامل این ارائه آقای دپرادا رو میتونید از لینک زیر در یوتیوب ببینید:

Uncovering Behavioural Biases with Machine Learning | London Business School

@FinPy

#ML_for_Algo_Trading

▫️جلسه پانزدهم ارائه کتاب:
Machine Learning for Algorithmic Trading

روز دوشنبه 2 خرداد (امشب) ساعت ۲۰، برگزار خواهد شد. موضوع جلسه:

Topic Modeling – Summarizing Financial News

(فصل پانزدهم کتاب) خواهد بود. برای شرکت در جلسه از طریق زوم، از این لینک و مشخصات زیر (در صورت نیاز) استفاده کنید:
Meeting ID: 899 2864 0090
Passcode: 12345
در صورتی که ظرفیت زوم تکمیل شده باشد، میتوانید از طریق لایو اینستاگرام جلسه را مشاهده کنید.

▫️برای دانلود کتاب از این لینک و برای دانلود کدهای پایتون کتاب از این لینک میتونید استفاده کنید. جلسات قبل هم در این پلی لیست در یوتیوب بارگذاری شده است.

▫️برای اطلاعات بیشتر در مورد ارائه دهندگان، به وبسایت پرزنتها مراجعه کنید.

@machinelearningnet2
@FinPy

#Quant_Insights_Conference
#Portfolio_Management

▫️پنجشنبه هفته قبل، کنفرانس مدیریت پرتفو Quant Insights به میزبانی موسسه CQF برگزار شد. در کل پرزنت ها چنگی به دل نمیزد، جز چند تا که سر نخ های خوبی برای مطالعه بیشتر میداد. برخی ارائه دهندگان هم لهجه های خیلی غلیظی داشتند و زیاد تپق میزدن. از بین ارائه ها، فقط فایل اسلایدهای چند پرزنت با شرکت کنندگان شیر شد، که براتون در این فایل فشرده گذاشتم. لیست کامل ارائه ها رو میتونید در فایل برنامه کنفرانس (در همین فایل فشرده) ببینید و اون پرزنتی رو که علاقه مند هستید، انتخاب کنید. در خصوص ویدیو ارائه ها هم یه نظرسنجی میزارم و دو تا ارائه ای که بیشترین رای رو بیاره، ویدیو اش رو در کانال خواهم گذاشت.

@FinPy

#معرفی_کتاب

High Performance Python

▫️یکی از موضوعاتی که گاهی وقتها گلوگاه پیاده سازی ایده هامون میشه، محدودیت های سخت افزاری هستند که ما روی سیستمهای خودمون داریم. نیاز به سرعت هم موضوع دیگری هست که گاهی وقت ها باهاش مواجه میشیم و عملیاتی کردن برخی ایده ها رو سخت و یا غیر ممکن میکنه. این کتاب کمک میکنه که کدهای سریعتر و بهینه تری برای استفاده از امکانات سخت افزار در اختیارمون، توسعه بدیم. اگر با چنین مشکلی مواجه هستید و امکان استفاده از سرویس های ابری براتون فراهم نیست، بد نیست نگاهی به سرفصل های این کتاب جذاب بندازید.

@FinPy

#معرفی_کتاب

فایل EPUB کتاب:

High Performance Python

@FinPy

#Quant_Insights_Conference
#Portfolio_Management

▫️طبق نظر دوستان شرکت کننده در نظرسنجی، ویدیو ارائه های زیر در کانال آپلود خواهد شد:

Optimal Portfolios Under the Threat of a Crash, Dr. Paul Wilmott, President, CQF Institute

Portfolio Construction for Sector Indices of Crypto Assets, Dr. Artur Sepp, Head of Systematic Solutions and Portfolio Construction, Sygnum Bank

@FinPy

#Quant_Insights_Conference
#Portfolio_Management

Portfolio Construction for Sector Indices of Crypto Assets, Dr. Artur Sepp, Head of Systematic Solutions and Portfolio Construction, Sygnum Bank

@FinPy

#Quant_Insights_Conference
#Portfolio_Management

Optimal Portfolios Under the Threat of a Crash, Dr. Paul Wilmott, President, CQF Institute

@FinPy

#اعتبار_اهرمی

قسمت دوم

▫️در قسمت اول در خصوص نحوه برخورد بروکر با پوزیشن های مشتری بازنده صحبت شد. در این قسمت در خصوص نحوه هندل کردن پوزیشن های مشتری برنده صحبت خواهد شد. وقتی مشتری برنده مثلا یک لات پوزیشن لانگ باز میکند، بروکر بلافاصله سمت مخالف پوزیشن مشتری را گرفته (یک لات روی کاغذ و نه در بازار واقعی شورت میکند) و سپس به اندازه دو لات در بازار واقعی پوزیشن لانگ میگیرد، یک لات آن برای پوشش پوزیشن مشتری برنده و یک لات آن برای هج کردن پوزیشن شورت روی کاغذ خود. به این ترتیب، وقتی مشتری برنده پوزیشن خود را میبندد، مشتری سود کرده و بروکر نیز اسپرد، کمسیون و احتمالا سواپ شبانه معامله را بر میدارد. در شکل زیر خلاصه ای از آنچه بروکر در قبال مشتری های برنده و بازنده انجام میدهد، نشان داده شده است. همه مشتری ها در ابتدای ورود به بروکر، به عنوان مشتری زیان ده در نظر گرفته میشوند، مگر آنکه با گذر زمان خلاف آن ثابت شود!

▫️اگرچه بروکر در هر دو کیس مشتری برنده و بازنده سود میکند، اما هندل کردن پوزیشن مشتری برنده، سود کمتری برای بروکر داشته و به علاوه بروکر باید سرمایه بیشتری را در بازار واقعی درگیر کند. اینکه چرا بروکر در هر دو کیس، پوزیشن مخالف مشتری را روی کاغذ میگیرد، به دلیل افزایش نقدشوندگی در سرویس دهی به مشتری است. بنابراین بروکر ذاتا دوست دارد با مشتری های بازنده سر و کار داشته باشد! با توجه به اینکه مشتری های بازنده به تدریج از گردونه بازار خارج و منبع سود بروکر کاهش می یابد، بروکرها برای سر پا نگه داشتن بیزنس خود، اقدام به تبلیغات و استفاده از ترفندهای فریبنده جهت جذب مشتری میکنند!

@FinPy

#اعتبار_اهرمی

▫️نحوه برخورد بروکر با مشتریان برنده و بازنده و محل سود بروکر از هر مشتری - توجه داشته باشید که اهرم داده شده توسط بروکر، در هر دو حالت، میزان سود بروکر از فعالیت معاملاتی مشتری را نسبت به حالتی که اهرم وجود ندارد، چندین برابر میکند.

@FinPy