Co mi nyní funguje v obchodování? II

Poslední měsíce máme na Finančníkovi opravdu živo.  Zde je přehled o tom, kam se posunula naše skupina a kam výkonnost strategií. Plus informace o plánech na nejbližší měsíce.
Spuštěna výuka long mean reversion + živé obchody
V září jsme v Trading Room publikovali pro všechny kurz výuky long mean reversion strategie. Kompletní popis vývoje obchodního přístupu krok za krokem – od myšleny, po live trading.
Sám jsem strategii ihned po dokončení spustil na živém účtu. Mám za sebou 11 obchodů se ziskem přes 2 000 dolarů a úspěšností 81,82 %. Takto vypadá má dosavadní živá ekvity křivka:

V rámci výuky sdílím zcela otevřeně kompletní pravidla systému, který tak lze obchodovat nezávisle skrz libovolné platformy. Pro ty, co začínají a nechtějí si signály generovat sami, jsou signály připravovány i v interaktivním dashboardu pod označením MRZ:

Během přibližně dvou týdnů máme v plánu do kurzu přidat i python skener, který všem umožní s využitím bezplatných Yahoo dat připravovat signály strategie bez potřeby jakéhokoliv skriptování nebo budoucí účasti v Trading Room.
K výuce máme opravdu velmi pozitivní zpětnou vazbu. Pro budoucí nové členy Trading Room je výuka dostupná již jen v ročním členství a rozhodně doporučuji výuku shlédnout a MRZ zařadit do portfolia.
Silná výkonnost intradenního breakoutu
Druhým systémem, který na Finančníkovi v Trading Room sdílíme v plně otevřené podobě (spolu s otevřenými autotradery), je intradenní breakout. Podrobně viz Trading Room intradenní breakout - Zákulisní orientace
Ten obchodujeme od května 2024 a takto aktuálně vypadá ekvity křivka se sdílenými pravidly:

Výkonnost se vztahuje ke kapitálu 20 000 dolarů a risku 200 dolarů na obchod. Od spuštění systém vydělává cca 22 % ročně při drawdownu -7,5 %. Sharpe ratio cca 1.3.
Jde o kontinuální backtest vyučované varianty s tím, že jednotliví členové aplikují různé své nuance.
Mé vlastní živé obchodování tohoto systému od spuštění v Trading Room vydělalo již 23 359 dolarů (reálné peníze, nikoliv backtest). Live trading ekvity z Interactive Brokers vypadá následovně:

Mé aktuální sharpe ratio v live tradingu intradenního breakoutu je 1.16.

Hledáte cestu, jak se dostat ke konzistentním profitům?
Rádi byste i v aktuálním kontextu obchodovali stabilně a bez emocí?
Určitě si přečtěte novou knihu Od myšlenky k reálným obchodům
Implementujte již od samotného začátku své praxe důležité systematické procesy a správné myšlení, které výrazně zvyšuje šance na stabilně profitabilní obchodování.
Inspirujte se, jak trading dělat jinak a lépe. Výhodou systému je, že obchoduje jen občas a velmi dobře sdílí kapitál s dalšími strategiemi.
Nová maxima u Deep Dip
V Trading Room sdílím signály k několika dalším svým strategím (zde zatím bez výuky systému).
Krásnou výkonnost má například Deep Dip  - long mean reversion časovaný pomocí implikované volatility. Podrobně jsem o systému psal na Finančníkovi v článku Časování návratu k průměru pomocí implikované volatility.
Systém obchoduji živě přes rok a stále vytváří nová maxima bez výraznějších drawdownů:

Shorty a připravovaný kurz
Specifickou kategorií obchodů v mém portfoliu je shortování akcií.
Signály ke své short mean reversion strategii sdílím v Trading Room od poloviny roku 2021 a takto vypadají od té doby mé živé výsledky z Interactive Brokers:

Jde o export mých vstupů a výstupů z platformy Interactive Brokers, kdy velikost pozice byla přepočítána na alokaci 10 % účtu na pozici (protože v rámci živého obchodování mám position sizing dynamický a je ovlivněn dalšími strategiemi v účtu). Obchodovaný systém  je stále stejný a používám kódy sdílené v Swingový simple mean reversion (SMR) systém – „hotové kódy“.
S výkonností jsem spokojený, nicméně z praxe plyne, že shorty jsou spojené s mnohem více know-how, než obodobné obchody do longů.
Z tohoto důvodu připravuji v Trading Room kurz, ve kterém si swingovou short mean reversion postavíme opět od myšlenky k live tradingu. Důvod je jednoduchý – kombinaci cca tří systémů vnímám jako základní proto, aby trader byl schopen provozovat konzistentně profitabilní trading. A v rámci tradingu skutečně chcete obchodovat kombinace systémů - viz vysvětlení, co je to portfolio.
Jakých tří systémů? Například právě vyučované long mean reversion, plánované short mean reversion, plus momentum – například rotační momentum, které obchoduji na Finančníkovi jako SMO NDX – viz Co jsou zač rotační momentum strategie? Mimochodem právě na rotační strategie bych rád zaměřil další kurz poté, co probereme short mean reversion.
Pro inspiraci – takto vypadá ekvity křivka portfolia (černá křivka) složená ze tří systémů:
Červená – můj live trading (exekuce vytažené z Interactive Brokers) strategie MR3000S  - short mean reversion na amerických akciích – signály strategie jsou sdíleny v Trading Room.
Modrá – můj live trading strategie NDX SMO (rotační momentum strategie na Nasdaq 100) – signály strategie jsou sdíleny v Trading Room.
Zelená – backtest nově postavené long mean reversion strategie MRZ, která je  v Trading Room vyučována se všemi pravidly:

Výkonnost odpovídá zhodnocení 32,3 % ročně, při dradownu -14,5 %. Sharpe ratio 1,53. Portfolio využívá obchodování na margin.
Solidní výkonnost, navíc při plné automatizaci (podobné řešení lze obchodovat skrz autotrader, který sdílíme v TechLabu).
Mým cílem je tak v TradingRoom poskytnout v průběhu následujících měsících know-how k tomu, aby si každý mohl podobné portfolio postavit a obchodovat třeba i bez další účasti ve skupině.
Ovšem samozřejmě v praxi pravděpodobně nebudete chtít skončit u obchodování tři systémů. Protože čím více nekorelujících strategií do portfolia zapojíte, tím stabilnější výkonnost získáte. Sám například stejné strategie obchoduji mimo jiné na ne amerických burzách. Ale k podobné diverzifikaci je potřeba se dobrat postupně.
Proto pokud vás svět automatizovaného obchodování zajímá, je ideální se nyní zapojit do ročního předplatného TradingRoom. Začít aplikovat již sdílené know-how a postupně se s ostatními posouvat kupředu.

Jednou z nejzásadnějších výhod, kterou osobně v systematickém tradingu spatřuji, je jeho kontinuální a evoluční charakter. Práce zde na sebe přirozeně navazuje v jednotlivých krocích, které lze neustále doplňovat, a celý proces tak posouvat vpřed. Můžeme tedy spouštět portfolia, která nejsou – a ostatně nikdy nebudou – absolutně dokonalá, avšak jejich následné vylepšování nemusí nutně znamenat, že bychom museli začínat znovu od základů. Naopak, typicky jdeme cestou postupného, iterativního vývoje.
Pojďme se tedy podívat, jak se aktuálně vyvíjejí strategie sdílené na Finančníkovi, a zaměřit se na vybrané konkrétní aspekty a praktické detaily, které v souvislosti s nimi dennodenně řešíme. Pevně věřím, že právě takový pohled může přinést cennou inspiraci.
Jako základ nám poslouží naše referenční portfolio – tedy portfolio, se kterým pracujeme v rámci „Workshopu profitabilního obchodování A-Z“ (to obsahuje níže popsané swingové strategie). Je sestaveno z přístupů, které podrobně popisujeme na Finančníkovi v řadě článků a diskutujeme v našich kurzech.
Struktura referenčního portfolia
"Miniportfolio workshopu", které tvoří základ sledovaného kapitálu, je koncipováno s ohledem na diverzifikaci napříč různými tržními anomáliemi a styly obchodování. V níže uvedené analýze aktuálního vývoje má portfolio nastavenou váhu 20 % pro každou z pěti swingových komponent. Blíží se to alokacím, se kterými velmi podobné portfolio obchoduji sám. Swingové strategie tedy obchodují bez páky, přičemž každá strategie cílí na odlišný zdroj potenciální alfy:
SMO NDX (Rotační momentum, Nasdaq): Cílí na zachycení persistence trendů u technologických titulů. Podrobnější popis viz článek věnující se strategii rotačního momenta. Monday Buyer (Nákup korekcí v rostoucích akciích): Využívá známé mean-reversion charakteristiky u akcií s nižší volatilitou, které si již etablovaly primární uptrend. Strategie popsaná v knize Od myšlenky k reálným obchodům. DeepDip (Mean reversion s časováním dle IV): Tato strategie jde nad rámec klasického mean-reversion přístupu tím, že explicitně integruje implikovanou volatilitu jako klíčový faktor časování. Viz Časování návratu k průměru pomocí implikované volatility. MR3000L (Klasická long mean reversion): Standardní zástupce mean-reversion strategií na long stranu. Obchoduje s použitím  Swingový simple mean reversion (SMR) systém – „hotové kódy“ MR3000S (Klasická short mean reversion): Analogicky k MR3000L, ale na short stranu. Obchoduje s použitím  Swingový simple mean reversion (SMR) systém – „hotové kódy“ V rámci referenčního portfolia přidáme ještě dynamičtější prvek v podobě intradenní breakout strategie obchodované v rámci našeho Trading Roomu (viz Trading Room intradenní breakout - Zákulisní orientace) . Strategie operuje na indexech S&P 500, Nasdaq 100 a Bitcoinu, s definovaným rizikem 1,1 % z účtu na obchod. Její zařazení umožňuje participovat na krátkodobějších pohybech trhů.
Aktuální výkonnost a interpretace
Jak si strategie zatím vedou letos v době opravdu vysoké nejistoty v trzích?
Zde je pohled na vývoj equity našeho portfolia (modrá křivka) vůči SPY (červená křivka). Jde o kontinuální backtest s aplikovanými komisemi dle Interactive Brokers:

Aktuální obchodování je určitě volatilnější, ale na modré křivce je dobře patrné to hlavní, proč obchodujeme diverzifikovaná systematická portfolia – celkové výnosy nemají příliš vysokou korelaci s celkovým trhem. A tak přestože řada buy and hold investorů zažívala dramatické chvíle, vývoj portfolia si drží svůj směr a rytmus.
Rotační momentum a kontextové filtry: Dilema načasování
Ve strategii SMO NDX nemá portfolio aktuálně žádné alokace z důvodu aktivace kontextového filtru. Implementace podobných filtrů je pro většinu traderů u podobných strategií základem jejich robustnosti. Cílem je vyhnout se obchodování strategie v režimech, ve kterých je vysoká pravděpodobnost, že bude ztrácet (například v silných medvědích trzích).
Zajímavou sondou byl v tomto ohledu průzkum, který jsem na konci dubna dělal na svém anglickém účtu sítě X:

Výsledky (25,6 % již alokováno, 25,6 % zvažuje brzkou alokaci, 20,9 % čeká na potvrzení, 27,9 % neobchoduje) byly zajímavé, protože ukazovaly vysokou heterogenitu v přístupech i mezi zkušenými systematickými obchodníky. Část trhu již evidentně považovala podmínky za příznivé, zatímco jiní (včetně mě, prostřednictvím systematických filtru) zůstávají s tímto pasivním způsobem tradingu zatím stranou. Rozhodně to podtrhuje, že neexistuje jediný "správný" způsob, jak časovat podobné faktorové strategie a pro mě to znamená impulz pro další zkoumání nuací v tomto směru tradingu. Osobně stále vnímám rotační momentum strategie jako jedny z nejsilnějších základů systematického portfolia a líbí se mi myšlenka mít jich v portfoliu více druhů.
Systematické shortování skrz mean reversion
Asi není úplně překvapivé, že jedním z hlavních vítězů letošního vývoje ekvity křivky je zatím short mean reversion strategie. U ní se několikrát stalo, že se shorty koncentrovaly do jednoho průmyslového sektoru (například shorty společností spojených se zlatem). Znovu mě to vedlo k zamyšlení, jestli počet sektorů omezovat či nikoliv. Srovnání jsem k tomu publikoval na X:
Osobně sektory zatím u strategií neomezuji, ale je to oblast, o které přemýšlím.
Intradenní breakout: zvýšená volatilita a drawdown
Trochu na houpačce to bylo v posledních týdnech s intradenním breakoutem. Ostatně není divu. Akciové indexy se pohybují v reakci na silné fundamentální zprávy a ty se v americké administrativě měnily občas velmi dynamicky.
Solidně se tak dařilo breakoutu do shortů, longy prodělávají.
Coby tradeři tak můžeme jediné – držet se obchodního plánu a nastaveného risk managementu. Protože trhy mohou během dne udělat prakticky cokoliv. Jak konkrétně to vypadá, jsem shrnul v ukázce tradingu publikované 22. 4. na našem YouTube kanálu:


V květnu máme strategii v drawdownu, čehož osobně využívám pro zvýšení alokace, které této strategii přiděluji (tj. budu riskovat více s cílem více vydělat).
V souvislosti s intradenním obchodováním byly zajímavé reakce na mém anglickém X účtu, kde jsem se ptal na zapojení intradenních strategii do portfolia:


Na účtu jsem propojen se zkušenějšími systematickými obchodníky, u kterých jsem očekával spíše vyšší důraz na swingový trading. Skutečnost, že 43,2 % respondentů považovala  systematický day trading za svou hlavní strategii a dalších 8,1 % za doplňkovou, svědčí o tom, že intradenní systematické strategie nabízejí zajímavé příležitosti.
Důležité je ale u nich zvažovat reálné náklady – tedy zejména skluzy. V tomto ohledu jsou opravdu zajímavé výsledky skluzů v plnění z mých několika set intradenních obchodů, které jsem poslední měsíce uskutečnil. Viz můj příspěvek na X:
Závěr
Systematický trading je především o kontinuálním vylepšování. Referenční portfolio, které na Finančníkovi sleduji, nám znovu připomnělo několik klíčových principů:
Diverzifikace zdrojů alfy
Swingové momentum, mean‑reversion i intradenní breakouty spolu v zásadě nekorelují, takže i v náročném roce dokážeme držet hladinu ekvity stabilnější než samotný trh. Filtry a kontext
Dočasné automatické vypnutí rotačního momenta kvůli poklesům indexů ukazuje, že jednoduchý kontextový filtr může dlouhodobě ušetřit mnoho zbytečných drawdownů a především vede k psychologické pohodě. Na druhou stranu můžeme přijít o profity v momentě, kdy se pokles prudce obrátí v růst. Využití drawdownů k expozici
Lehký květnový drawdown u intradenního breakoutu beru jako příležitost – zvyšuji alokaci, protože drawdowny jsou pro to ideální.  Měření skutečných nákladů
Reálné statistiky skluzů z několika stovek obchodů potvrzují, že i intradenní systémy mohou být po započtení komisí a skluzů plně funkční a zajímavé pro mnoho systematických traderů. Je ale potřeba skluzy sledovat. Sám jsem z intradenního portfolia vyřadil jeden z trhů, kde byly skluzy pravidelně už příliš vysoké. Iterace místo revoluce
Jak je vidět i v dnešním článku, žádné portfolio nikdy nebude „hotové“. A byť za nás obchodují počítače, coby tradeři musíme průběžně neustále pracovat na tom, abychom se posouvali dál. Pokud se chcete také zapojit do společné práce, tak na Finančníkovi doporučuji začít s Workshopem profitabilního obchodování A-Z.

Máte pocit, že máte své portfolio dobře diverzifikované, ale přesto vás občas překvapí, jak všechny vaše pozice ztrácejí najednou? Nebo se snažíte najít strategie, které by skutečně vyvážily riziko těch stávajících, ale tápete, jak jejich vztah objektivně posoudit? Klíčem k odpovědi je pochopení a analýza korelace.
Korelace je jedním z nejdůležitějších, a v konečném důsledku i  často přehlížených, konceptů v řízení risku. Je to tichá síla, která může pomoci naše zisky násobit, ale také skrytá hrozba, která dokáže potopit i zdánlivě bezpečný účet. V dnešním článku se podíváme na to, co korelace znamená, proč je pro systematické tradery naprosto zásadní, a hlavně – ukážeme si, jak ji analyzovat i s pomocí taktik, které pravděpodobně neznáte.
Co je korelace a proč by nás měla zajímat?
Velmi zjednodušeně řečeno, korelace měří, jak moc se dvě datové řady  mají tendenci pohybovat společně (např. ceny akcií, výnosy strategií – s těmi budeme pracovat v následující výkladu). Korelace se měří na škále od -1 do +1:
+1 (perfektní pozitivní korelace): Když výnosy jedné strategie rostou, druhé strategii rostou také (a naopak). Pohybují se v dokonalém souladu. -1 (perfektní negativní korelace): Když výnosy jedné strategie rostou, druhé výnosy klesají (jde do drawdownu). Pohybují se přesně opačně. Takhle ideální vztah se hledá těžko, ale příkladem může být (někdy) vztah mezi strategií nakupující akcie a strategií pracující s indexem volatility VIX. 0 (nulová korelace): Pohyb jednoho nám nic neříká o pravděpodobném pohybu druhého. Strategie jsou na sobě lineárně nezávislé. Proč je to pro trading klíčové? Protože skutečná diverzifikace portfolia nestojí na počtu strategií, ale na jejich nízké vzájemné korelaci. V portfoliu můžeme mít deset různých strategií na deseti různých trzích, ale pokud všechny reagují stejně na podobné makroekonomické zprávy nebo pohyby hlavních indexů (tj. jsou silně pozitivně korelované), pak ve skutečnosti nediverzifikujete. Když přijde problém, všechny naše "košíky" se rozbijí najednou.
Cílem je naopak hledat a kombinovat strategie, které spolu korelují co nejméně (hodnoty blízko 0) nebo ideálně negativně. Proč? Protože když jedna část portfolia prochází nevyhnutelným drawdownem, nekorelovaná nebo negativně korelovaná část může ztráty mírnit, nebo dokonce generovat zisk. Výsledkem je hladší celková equity křivka, menší psychický tlak a hlavně ochrana kapitálu před katastrofickými propady.
Odhad nestačí: Potřebujeme data a nástroje
Samozřejmě, můžeme se podívat na grafy dvou strategií a vizuálně odhadnout, zda se pohybují podobně. Ale pro seriózní řízení portfolia potřebujeme víc.
Korelaci potřebujeme kvantifikovat. To znamená získávat odpovědi na podobné otázky:
Jaká je korelace jejich denních nebo týdenních výnosů? Vůči ostatním obchodovaným strategiím, celému portfoliu a tržním indexům? Co je ještě důležitější: Jaká je korelace jejich propadů (drawdownů)? Chovají se podobně i v dobách, kdy ztrácejí? Mění se tato korelace v různých tržních režimech (když trh roste vs. když klesá)? Ale také – jak se strategie chovají a korelují během extrémních tržních událostí (krachy, prudké růsty)? Odpovědi na tyto a podobné otázky nám poskytují mnohem hlubší porozumění práce s riskem a diverzifikací v rámci našeho portfolia. A každý seriózní trader by se jimi měl zabývat.
Problém je, že běžné obchodní platformy často tyto pokročilejší analýzy nenabízejí, nebo jen ve velmi omezené formě.
Python a LLM: Brána k pokročilé analýze pro každého
A tady přichází na řadu nástroj, který na Finančníkovi v posledních letech intenzivně využíváme a učíme se – programovací jazyk Python.
Chápu, že při slově "programování" se řada z vás děsí. Nejsme programátoři, ale tradeři.
Ale věřte mi, že sám programátorem nejsem (a před pár lety jsem nebyl schopen napsat ani makro ve Wordu), ale do Pythonu jsem nakonec pronikl a rozhodně se mi to vyplácí. Hlavní důvod, proč používat nástroje typu Python není dnes tak složité, jsou služby typu ChatGPT, Gemini, Copilot – tedy velké jazykové modely (LLM), které stačí instruovat (i v češtině) a sami Python kód vytvoří. Stačí tedy umět popsat, co chceme udělat ("Spočítej mi korelaci drawdownů pro tyto strategie a zobraz ji jako heatmapu"), a LLM nám vygeneruje potřebný kód. Samozřejmě, stále je třeba se naučit základy a rozumět tomu, co kód dělá, ale proces je nesrovnatelně rychlejší a přístupnější.
Jak jsem již na Finančníkovi mnohokrát zmiňoval, jednou z vlastností tradera, kterou vnímám jako klíčovou pro „novou dobu“, je datová a skriptovací gramotnost. Protože ve finále získá vysokou konkurenční výhodu ten, kdo umí pracovat s LLM nástroji.
Ostatně podívejte se na ukázku. Zpřístupnil jsem vám lekci z aktuálně probíhajícího minikurzu datové analýzy zaměřené právě na korelaci.
Vytvořený kód vesměs připravuje LLM (nejvíce používám Claude), který směřuji tak, aby pracoval, jak potřebuji. Tedy rozhodně bych sám podobný kód z hlavy nevysypal. Ale díky tomu, že se Pythonu už nějaký týden věnuji, dokáži Claude instruovat, co má vytvořit a opravit ji, když vidím, že vytvářený kód nejde správným směrem (je třeba moc komplikovaný).
A proč  podstupovat podobné úsilí, když existují hotové řešení typu TradeStation, Amibroker, MetaTrader a mnoho dalších? Protože získáme možnost vytvářet analýzy, které v běžných retailových programech dostupné nejsou.
Podívejte se na to, jak jsem s pomocí korelace zanalyzoval chování portfolia sdíleného v Trading Room (které se blíží tomu, co obchoduji živě). Taková analýza mi pomáhá lépe portfolio pochopit, identifikovat skrytá rizika a činit informovanější rozhodnutí třeba s ohledem na to, jaké strategie do portfolia přidávat.

 Video je součástí minikurzu Datové analýzy pro tradery, do kterého se zdarma mohou zapojit všichni účastníci TechLabu.
Portfolio obchodních strategií analyzované ve videu:

Je složené ze strategií Monday Buyer, SMO NDX, MR3000L, MR3000S, DeepDIP a intradenní breakout long/short, jejichž signály jsou k dispozici v Trading Room a které do velké míry kopírují přesně to, co v tradingu sám dělám.
Závěr
Jak tedy vidíte na praktické ukázce, pustit se do získávání datové gramotnosti se rozhodně vyplatí. Umožní vám to nejen hlouběji porozumět chování vašich strategií a portfolií, ale také objevit nové souvislosti a příležitosti, které by jinak zůstaly skryté. Je jasné, že naučit se pracovat s daty a nástroji jako Python není záležitostí jednoho víkendu, ale spíše během na delší trať. A právě proto jsme na Finančníkovi vytvořili TechLab. Je koncipován tak, aby vás tímto procesem provedl postupně, krok za krokem. Informace dávkujeme v rámci minikurzů a praktických tutoriálu, neustále je k dispozici lektor (Bogdan) pro vaše dotazy a zpětnou vazbu k vašim projektům a kódům. Věříme, že právě tato kombinace postupného učení, podpory a neustálé inspirace je tou nejlepší cestou, jak datovou analýzu a systematický trading skutečně ovládnout.
Registrovat se do skupiny Techlab, což vám zpřístupní i celý aktuálně probíhající kurz Datové analýzy pro tradery, můžete na stránce TechLab - zaměřeno na automatizaci a technickou podporu v obchodování.