Jump to content
Co nového? Mé kurzy
Články a tutoriály:
Archiv článků Psychologie obchodování Jak na obchodní plán Mé obchodní strategie
  • Edge jménem diverzifikace

    Jedním ze zásadních prvků robustního ziskového obchodování je bezesporu diverzifikace. V praxi nejsnadněji dosažitelná pomocí obchodování systémů na více trzích najednou. Pojďme si na konkrétním příkladu ukázat základní prvky diverzifikace tak, jak je sám používám při obchodování komoditních trhů.

    Cílem článku je především demonstrovat, jak některé velmi jednoduché přístupy představují v trzích často až překvapivě robustní řešení. Pokud se na ně podíváme správnou optikou.
    Předmětem článku tedy není popis konkrétního obchodního systému připraveného pro ostré obchodování. Není tak třeba hlouběji přemýšlet nad použitým kapitálem a množstvím trhů. Samozřejmě, že dané principy lze přizpůsobovat i běžným účtům – například obchodováním menšího počtu trhů, menšího počtu kontraktů, nižšího timeframe a v neposlední řadě obchodování například ETFs místo futures.

    Prezentovaný popis je aplikovaný na denní timeframe a lze ho charakterizovat jako swingové obchodování. Nicméně stejné principy fungují i na nižších timeframe, byť zde bývá programování systémů náročnější.

    Univerzálně aplikovatelná obchodní myšlenka

    Řada traderů se často ve svém obchodním vývoji na dlouho zasekne na tom, že se snaží v trzích objevit „svatý grál“. Logiku, která bude s malým riskem perfektně a dlouhodobě fungovat na zvoleném trhu. Zejména to vnímám v oblasti algoritmického obchodování, ve kterém se obchodníci snaží používat hodně jemné patterny vycházející třeba z popisu diskrečního obchodování.

    Pokud jste si touto cestou třeba také prošli a nikam nevedla, zkuste zpočátku tradingu vsadit na některé jednodušší osvědčené principy vycházející z hrubších principů trhů. Ty sice z nikoho s malým kapitálem neudělají boháče přes noc, ale zato je možné s nimi rozumně a dlouhodobě hodnotit kapitál po přiměřených krůčkách a postupně k tomu třeba vyvíjet specializovanější spekulativní strategie, které občas mohou zazářit i s menším kapitálem.

    Sám jsem velkým příznivcem jednoduchých a v zásadě neoptimalizovaných řešení. Navíc takových, které budou fungovat na mnoha trzích najednou.

    Příkladem může být například vstup na korekci do trendu.

    Pro účely tohoto článku použijme nějakou opravdu jednoduchou formu dané myšlenky, kterou je možné snadno algoritmizovat.

    Trend můžeme definovat úplně „klasicky“ například pomocí dvou klouzavých průměru s různými periodami. Například uptrend jako situaci, kdy je denní klouzavý průměr 50 nad průměrem s periodou 200. Downtrend pak jako situaci, kdy je krátkodobý průměr pod dlouhodobým.

    Jak definovat korekci? Může to být například retest klouzavého průměru. Takový vstup ale neříká nic o tom, jak hluboká korekce je. Rozumnější může být například čekat na pokles o určité velikosti od střednědobých high (pokud jsme v uptrendu) nebo nadechnutí od low (pokud jsme v downtrendu).

    A zde přichází na řadu první důležitý bod – abychom mohli přístup snadno aplikovat na libovolné trhy, je vhodné jakékoliv podmínky popisovat co nejuniverzálněji, což nám umožní například volatilita konkrétního trhu vyjádřená například pomocí ATR.

    Vstup do korekce tak může být definován jako vzdálenost vyjádřená násobkem ATR od high (pro long) nebo od low (pro short). Taková logika je aplikovatelná na libovolný trh a není třeba ji přitom jakkoliv upravovat.

    Takto mohou vstupy vypadat například na denním grafu trhu NQ:

    26portfoli_01.jpg

    Co se týče výstupů, tak zejména ze začátku doporučuji je příliš nekomplikovat. V trzích funguje především jednoduchost. Při podobném swingovém obchodování lze použít například profit target s násobkem ATR, překročení nějaké S/R úrovně, posouvaný stop-loss, časový stop-loss atd.

    Standardizace volatility

    Komoditní trhy jsou různě drahé a volatilní. Nákup a držení jednoho kontraktu v e-mini NQ neznamená pro náš účet to samé jako například nákup a držení kontraktu ropy. V diskrečním obchodování je opravdu náročné obchodovat trhy s různou volatilitou. V případě automatizace to však není problém, je ale potřeba na různou dravost trhů myslet.

    Jeden ze zásadních principů diverzifikace je tak standardizovat risk spojený s obchodováním různých trhů. To lze provádět různými sofistikovanými způsoby. Jeden z těch jednodušších, který často ale zcela dostačuje, spočívá v následujícím postupu:

    Nejprve si vypočítám ATR trhu za určitý počet dnů. Většinou pracuji s kratšími periodami, například 5. Tuto hodnotu vynásobím dolarovou hodnotou bodu trhu. Tím dostávám průměrnou, dolarově vyjádřenou hodnotu volatility trhu.

    Následně pracuji s tím, že v daném trhu chci otevřít tolik pozic, aby průměrná denní dolarová volatilita trhu představovala například 1 % obchodního účtu.

    Řešení to není dokonalé, ale je solidně funkční. Nejen že umožňuje obchodovat více trhů najednou, ale adekvátně také upravuje počet kontraktů v jednom trhu s ohledem na aktuální volatilitu (ve vyšší volatilitě obchoduje méně kontraktů, v nízké více).

    Aplikace jednoduchého kódu na více trhů najednou

    Pojďme se nyní podívat na sílu diverzifikace v praxi.

    Máme naprosto jednoduchou logiku systému, který vstupuje (long i short) na korekcích do směru trendu.

    Při aplikaci systému na jednotlivé trhy mohou equity křivky vypadat například takto:

    E-mini S&P coby náhodně vybraný zástupce akciových indexů:

    26portfoli_02.jpg

    Britská libra coby náhodně vybraný zástupce měn:

    26portfoli_03.jpg

    Sója coby náhodně vybraný zástupce zemědělských komodit:

    26portfoli_04.jpg

    Ropa coby náhodně vybraný zástupce energetické komodity:

    26portfoli_05.jpg

    A tak bychom mohli pokračovat dále.

    Vidíme, že i tak jednoduchý přístup „nějak“ funguje vesměs na libovolném trhu. Ale výsledky jsou vesměs v praxi spíše neobchodovatelné. Ovšem, co když využijeme diverzifikaci a podívali bychom se, jak by hypotetická výkonnost vypadala na všech běžných komoditách (přes 50 běžně obchodovaných komoditních kontraktů všech kategorií obchodovaných na burze v USA)?

    ts_26portfoli_07.jpg

    Na první pohled je vidět, že se dostáváme k výrazně zajímavějším výsledkům. Ty navíc neobsahují jiný position sizing než standardizaci volatility (počet kontraktů je tedy stále počítán pouze z počátečního kapitálu, průběžné zisky nejsou reinvestovány).

    Systém obchoduje long i short a pro jednotlivé trhy není jakkoliv optimalizován. Přesto má hodně stabilní průběh za celou sledovanou historii. Stabilita je dosažena právě pomocí diverzifikace.

    Znovu je třeba podtrhnout, že prezentovaný princip má ještě dlouhou cestu k možnému nasazení do obchodování. Například zde jakkoliv není řešen risk management z pohledu celého portfolia, adekvátnost risku na pozici, průběžné využívání kapitálu atd. Také je slepě aplikován na všechny US komodity, které mám v databázi bez ohledu na fakt, že některé trhy spolu silně korelují. Je to skutečně jen velmi orientační backtest (který ale mj. zahrnuje už i komise).

    Nabízí ale otázku zdali:
    - Je vhodnější snažit se za každou cenu „pilovat“ systém pro jediný trh, což velmi snadno vede k přeoptimalizaci.
    - Nebo použít jednoduché principy a pozornost zaměřit více na řízení portfolia. V našem případě tak například dále věnovat pozornost výběru trhů na základě korelací, aplikování risk managementu na úrovni portfolia atd.

    Patrně nemusím zdůrazňovat, že sám v algoritmickém obchodování postupuji především druhou cestou – tedy strategie stavím více s ohledem na fungování v portfoliu. Sami vidíte, jaký edge pak „automaticky“ poskytuje diverzifikace.

    Princip diverzifikace funguje i v diskrečním obchodování, byť zde je výrazně náročnější. Sám jsem v minulosti měl období, kdy jsem obchodoval více intradenních trhů najedou a prostě se zaměřoval na ty, které byly v daný den dostatečně volatilní. Nicméně s postupujícím věkem a zkušenostmi postupně člověk mění priority ve způsobu využívání času. Dnes je pro mne výrazně efektivnější využívat diverzifikaci v automatizovaných přístupech, které zvládají obchodovat najednou pochopitelně mnohem více trhů a přístupů, než bych kdy byl schopen vyhodnocovat ručně.

    Závěrem

    Pokud vytváříte programovatelné strategie, doporučuji od začátku připravovat kód tak, aby byl snadno aplikovatelný na jiné trhy. Zejména to znamená nevyužívat fixní konstanty vztahující se k jednomu trhu, ale pracovat například s násobky volatility. Následně pak sledovat, jak by se daný přístup choval při nasazení v portfoliích na nekorelujících trzích. Možná budete z výsledků překvapeni.

    16.4.2017

    Petr Podhajský

    Fulltime obchodník věnující se tradingu více než 20 let. Specializace na systematické strategie obchodované na futures a akciích. Oblíbený styl obchodování: stavba automatizovaných portfolio systémů, které využívá i v alternativním fondu, který spravuje.


    Další články na toto téma

    Od neúspěšného systému k ziskovému portfoliu (včetně trading simulátoru)

    Jeden z principů, který připomínám začínajícím traderům stále dokola je, že na jednotlivých obchodech příliš nezáleží. A jednotlivé obchody nelze "pilovat" k dokonalosti.
    Vím, že mnoho začínajících obchodníků má pocit, že vztah mezi pravděpodobností a riskem mohou ovlivňovat svými schopnostmi. Tedy například, že se naučí vyhledávat jednoduché cenové patterny s vysokou úspěšností a vysokým poměrem průměrného zisku na občasné ztráty. To je ale typický příklad kognitivního zkreslení, kterým se všichni více či méně necháváme ovlivňovat. Jedním z nejznámějších kognitivních zkreslení spojených s přílišnou sebedůvěrou je "overconfidence bias" (zkreslení přehnané sebedůvěry). To vede zejména začínající obchodníky k přecenění vlastních schopností, dovedností nebo informací. V kontextu tradingu může tento jev vést k rozhodování na základě nedostatečných nebo nesprávných informací, protože obchodník si myslí, že ví víc, než ve skutečnosti ví. Například trader může přecenit svou schopnost předpovědět pohyb trhu, a může tak podstupovat zbytečná rizika. Třeba proto, že z příspěvků na sociálních sítí má pocit, že to „musí jít“.
    Jednoduše řečeno – některé věci v tradingu kontrolovat můžeme, jiné nikoliv.
    Jednou z oblastí, kterou v tradingu kontrolovat nemůžeme, je výrazné zvyšování výkonnosti běžných obchodních přístupů, aniž bychom nezvyšovali risk.
    Sám obchoduji mnoho strategií. Mám rád například swingové mean reversion akciové strategie. Obchoduji je ale prakticky v té nejjednodušší možné podobě. Protože vím, že v reálném světě není cesta, jak zvýšit jejich výkonnost například 5x, aniž bych podstatným způsobem nezvyšoval risk (a to třeba skrytou cestou, kterou neuvidím v backtestu, protože testy vedoucí k podobné výkonnosti budou jednodušše přeoptimalizované).
    Výkonnost proto vždy posuzuji ve vztahu k risku. Metrik, jak to dělat, je celá řada. Osobně používám sharpe ratio. To velmi stručně řečeno udává poměr průměrné výkonnosti k průměrnému risku a opravdu hodně volně bychom mohli říct, že strategie se sharpe ratio 1 může mít průměrnou výkonnost například 20 % při max. drawdownu také cca 20 %, nebo 10 % při max. drawdownu také 10 % (sharpe ratio v praxi nepracuje s drawdownem, ale volatilitou výnosů).
    Strategie, které živě obchoduji, mají sharpe ratio někde mezi 0,5-1,5.
    Začínající obchodníci často hledají strategie, které budou mít sharpe ratio „v nebesích“ – například doufají v průměrné zhodnocení 100 % při maximálním drawdownu 5 %. To je upřímně s běžně dostupnými strategiemi naprosto nereálné.
    A čas v trzích vás naučí, že ani nemá smysl se pokoušet podobným směrem strategie posouvat.
    Cesta, jak výkonnost zvyšovat, je diverzifikace v rámci portfolií.
    Tím, že budete postupně obchodovat více nekorelujících strategií, zachováte jejich výkonnost, ale celkový risk bude klesat. Sharpe ratio se bude zvyšovat.
     Velmi dobře to v krátkém videu vysvětluje Ray Dalio (americký miliardář a významný hedge fund manager):

    https://www.youtube.com/watch?v=Nu4lHaSh7D4
    Ray ukazuje, že to, co ovlivňuje celkový risk našeho obchodování, je počet systémů (nebo zdrojů příjmů) a jejich korelace.
    To je mentální posun, který je potřeba si v tradingu osvojit. Je potřeba odpoutat pozornost od jednotlivých obchodů  a začít přemýšlet o systémech pracujících v celku.
    Na první pohled to nemusí vypadat složitě. Ale úplně snadné to není. Je potřeba vytvořit workflow, které zajistí, že jednotlivé systémy spolu dobře fungují, že se příkazy zadávají bez chyb, že dokážeme vše spolehlivě vyhodnocovat a podobně. Rozhodně to ale není nepřekonatelné. Podstatné je, do jaké oblasti trader zaměřuje svoji pozornost.
    V pochopení důležitých a méně důležitých věcí v tradingu mohou pomoct také simulace.
    Na Google Colabu s vámi sdílím svůj python simulátor náhodného obchodování.
    Naleznete jej na této adrese:
    https://colab.research.google.com/drive/1eLZr0-UuCx6srHLkF4QM0L_1LB5XvnzT?usp=sharing
    Skript si uložte na svůj Google Drive a můžete jej spustit černou šipkou v záhlaví. Pak stačí vyplnit příslušná políčka a kliknout na „Spočítej“:

    Prostředí je jednoduché. Skript generuje hypotetické systémy podle zadaných parametrů. Průměrný roční výnos 0,2 říká, že generujeme systém průměrně generující 20 % p.a. Pak je důležitá roční volatilita. Hodnota 0,2 stručně řečeno znamená, že můžeme očekávat drawdown cca 20-30 %. Dále zadáme počet let v simulaci a počet generovaných strategií.
    Klikneme na Spočítej  a dostaneme například podobný graf:

    Je zde daný počet equity křivek, které jsou vygenerované náhodně, ale s výchozími parametry výnosnosti a risku.
    Některé systémy z principu vydělávají více, jiné méně. Pod tabulkou naleznete základní pohled na výnos a risk:
    CAGR mean: 21,13 % CAGR max: 30,97 % CAGR min: -0,69 % Drawdown max: 40,15 % Drawdown min: 21,95 % Drawdown mean: 30,31 % Hodnoty se pochopitelně liší s každým během skriptu (křivky jsou generovány náhodně), ale rámcově budou při stejných parametrech vypadat podobně. Zde vidíme, že drawdown systémů se pohyboval v rozmezí 21,95 – 40,15 %. Výnosnost od -0,69 % do 21,13 % (ano, jedna strategie ztrácela podobně, jako se nám to bude dít na živých účtech).
    Všech deset systémů má průměrné zhodnocneí 21,13 % při průměrném drawdownu 30,31 %. To je relativně realistický poměr.
    Pokud ale v živém obchodování budete obchodovat se systémem, který má průměrné zhodnocení 21,13 % při drawdownu 30,31 %, není skutečně způsob, jak snížit drawdown nějakými "pokročilými taktikami" třeba na polovinu.
    Až na jedinou taktiku. Doslova hlavní „svatý grál“ tradingu, který se odehrává na úrovni portfolia.
    Řekněme, že bychom každé strategii přiřadili 1/10 kapitálu (na ukázce pracujeme s 10 strategiemi) a obchodovali je všechny najednou. Výkonnost portfolia by pak vypadala následovně:

    Max Drawdown: -4.90 % CAGR: 23.05 % Annual Volatility: 5.23 % Celkové portfolio má najednou průměrné roční zhodnocení 23,05 % při maximálním drawdownu -4,90 %.
    Věřím, že tento příklad hovoří za vše a maximálně doporučuji, abyste si s testerem hráli chvíli sami.
    Jsem přesvědčen, že po čase každému obchodníkovi začne docházet, jak hodně záleží na kombinaci strategií do celku (portfolia) a jak minimálně jsou podstatné jednotlivé obchody.
    Samozřejmě, že praktická implementace portfolií systémů má mnoho aspektů, které musíme řešit a sdílený python skript problematiku přibližuje jen ve zjednodušené a teoretické rovině. V praxi musíme systémy vytvářet, řešit rozdělování kapitálu mezi strategie, zajišťovat nízkou korelaci, systematicky obchodovat mnoho signálů atd.
    Podstatné ale je, kam ve svém tradingu zaměřujete pozornost – na precizování např. vstupních situací nebo na pilování portfolia jako celku...
     

    Mean reversion strategie (obchodování návratu ceny k běžné hodnotě)

    Začnete-li podrobně studovat cenové grafy prakticky kterýchkoliv finančních trhů, brzy si jistě všimnete jednoho velmi univerzálního fenoménu. Po výrazných a rychlých pohybech často přichází alespoň krátkodobý protipohyb.
    Podívejme se na příklad nedávného chování akcie GOOG:

    Na denních grafech je v bodech 1 a 4 vidět, že trh rychle klesl pod klouzavý průměr, aby se cena následný den opět obrátila vzhůru.
    A na druhou stranu v bodech 2 a 3 trh až příliš rychle vyrazil vzhůru, aby po výrazné rostoucí volatilní úsečce přišel prudký obrat a cena se vrátila zpět ke klouzavému průměru.
    Vybrané body jsou samozřejmě jen diskréční ukázkou, v grafu bychom mohli diskutovat o množství dalších oblastí. Ale pointa je snad zřejmá.
    Po rychlých, nadstandardně velkých pohybech, mají trhy tendence tyto pohyby korigovat.
    Důvodů je řada.
    Volatilní pohyb je většinou způsoben určitou přehnanou reakcí obchodníků – například na fundamentální zprávu nebo na samotný rozjíždějící se trh, kdy řada traderů naskakuje do pohybu jen proto, aby jim cena neutekla. Po vyčerpání příkazů ženoucích trh jedním směrem mnoho obchodníků ukončuje obchody a inkasuje zisk – což v praxi znamená tlak na směrování ceny opačným směrem. A k těmto obchodníkům se přidávají i nové objednávky krátkodobých traderů, kteří si tipují, že cena bude mít tendence vrátit se do oblasti „běžné ceny“.
    Tito obchodníci obchodují strategie, kterým se v angličtině říká Mean reversion. Strategie obchodující návrat ceny k běžné hodnotě.
    Strategie jsou to poměrně jednoduché a určitě je dobré jim v tradingu věnovat pozornost.
    S menšími účty je lze obchodovat např. na akciích (níže uvedený příklad pracuje s účtem 10 000 dolarů).
    Jak konkrétně může taková strategie vypadat?
    Můžeme vybírat akcie z určitého indexu. Rád mám například Russell 3000 obsahující opravdu hodně akcií. Počkáme si na akcie, které jsou v uptrendu (obchodují se nad svým dlouhodobým průměrem o periodě 200). V případě akcie z indexu Russellu 3000 je lepší orientovat se na trochu dražší a likvidnější akcie (např. s cenou alespoň 40 dolarů a průměrným denním volume 500 000 shares, které jsem použil pro níže publikovaný backtest).
    Hlavní princip strategií návratu k běžné hodnotě spočívá ve schopnosti identifikovat výrazný pohyb, po kterém budeme vsázet na reverz ceny.
    Triviální podmínka takové situace může být definována tak, že akcie udělá denní pohyb (rozdíl open a close) alespoň 5 %.
    Všechny akcie, které daný den udělaly více než 5% pohyb seřadíme právě podle velikosti tohoto pohybu. Použijeme absolutní hodnotu, abychom mohli strategii obchodovat na dlouhou i krátkou stranu. U maximálně 5 trhů (v případě našeho konkrétního příkladu) s nejvyšším pohybem za předcházející den zkusíme zadat do trhu limitní příkaz na nákup/prodej „se slevou“ o velikosti 0,5 x ATR(5). Tedy polovičního denního rozpětí za posledních pět dnů.
    Takto může vypadat například long obchod:

    Tesla vytvořila 23.9.2020 volatilní 10% pokles (den označený růžovou linkou). Pokles patřil k top 5 z indexu Russell 3000. Následující den zadáme vstupní příkaz „Close cena 23.9.2020 – 0,5 x ATR(5)“. Tedy pokusíme se trh nakoupit se slevou pod uzavírací cenou volatilního dne. V tomto příkladu to vychází na hodnotu 360,65.
    Vystupovat můžeme různými taktikami. Rád používám profit target (v případu použit 5 %), výstup například na první rostoucí úsečce (v případě nákupu) a časový stop-loss (kdy je pozice ukončena v následujících několika dnech, pokud nedojde k jinému výstupu – reverzní obchody by měly být rychlé).
    Pro short platí vše stejně, jen v obráceném směru. Zde je příklad obchodu na akcii MLM:

    29.10.2020 trh vytvořil 6,05% volatilní růst. Další den systém vystavil příkaz na limitní short prodej na ceně „Close cena dne 29.10.2020 + 0,5 x ATR(5)“, konkrétně šlo o úroveň 268,93, na které bychom byli vyplněni. Výstup byl za pár dnů opět na profit targetu.
    Pochopitelně, že systém nemá jen ziskové, ale také ztrátové obchody. Prostě jsou dny, kdy se cena po volatilní úsečce neobrátí.
    Takto by nedávno vypadala situace v akcii SPT:

    V trhu bychom ze shortu vystoupili na prvním klesajícím dni, který by byl ale výše než náš vstup. A tedy bychom realizovali ztrátu.
    Úspěšná Mean reversion strategie by nicméně měla mít poměrně vysokou úspěšnost. Pojďme se tedy podívat na backtest našich pravidel:

    Zelená křivka zobrazuje obchody na dlouhou stranu, červená na krátkou stranu. Šedá je pak celé „portfolio“. Ve výsledcích jsou započítány komise pro Interactive Brokers. A výsledky vůbec nejsou špatné.
    Průměrné roční zhodnocení je na úrovni 23,05 % při nejvyšším drawdownu 17,89 %. Tedy každé z maximálně 5 pozic je přiřazeno 20 % aktuálního kapitálu. Sharpe ratio celého systému je 1,52 a úspěšnost 63 %. Celkový backtest obsahuje velmi reprezentativní vzorek 5 250 obchodů.
    A pochopitelně, že Mean reversion systémy lze dále posouvat. Diskutovaná ukázka obsahuje velmi triviální podmínky vstupu a výstupu.
    Ale už i tak je vidět, že:
    Obchodování návratu ceny k běžné hodnotě lze funkčně provádět i s jednoduchými pravidly. Strategii se daří zejména v období vyšší volatility v trzích (dobře se jí dařilo například v letošním roce 2020). Může být zajímavé obchodovat long i short stranu, protože celková křivka je výrazně vyhlazenější. Jsou období, kdy se daří spíše prodejům a období, kdy se více daří nákupům. Mean reversion strategie lze jednoduše stavět plně mechanicky, a postupně je tak automatizovat. Líbí se vám uvedený koncept, ale plně nerozumíte probíraným pojmům? Na Finančníkovi doporučujeme kurz Základů obchodování, který se věnuje základům stavby Mean reversion strategie a jejímu zasazení do kontextu zvládnutí základů obchodování.
    Máte-li zvládnuté základy, ale bojujete s technickým provedením, pak doporučujeme Workshop swingového obchodování. Ten obsahuje otevřené kódy několika strategií, které sami obchodujeme. Na jejich příkladech si krok za krokem postavíte pod osobním vedením zkušených obchodníků konkrétní swingové miniportfolio a začnete jej obchodovat v trzích.
    Potřebujete inspiraci nebo občasnou technickou radu se stavbou mechanických strategií? Pak je zde pro vás skupina TechLab.

    Jak vydělávat na zvýšené volatilitě s malými účty?

    Dnešní zvýšená volatilita nejvíce nahrává breakout systémům. Tedy takovým, které vstoupí do pozice v momentě, kdy se cena rozjede a systémy se snaží v pohybu zůstat co nejdéle.
    Sám takové využívám ve swingové i intradenní podobě.
    Swingové breakout obchody
    Pokud s tradingem začínáte, nebo nejste zatím vůbec profitabilní, je určitě výhodnější začít se swingovými přístupy držící pozice delší dobu (několik dnů nebo týdnů). Byť to na první pohled tak nemusí vypadat, jejich vytvoření je opravdu výrazně jednodušší a následné obchodování psychologicky méně náročné než intradenní obchodování.
    V případě malých účtů může být zajímavé se u swingových breakout přístupů zaměřit na levnější akcie s nižší likviditou. Ty nemohou obchodovat větší hráči, protože v nich reálně nelze otevírat větší pozice, a lze tak v této oblasti nalézt často velmi zajímavé příležitosti. A de facto je to jedna z mála oblastí tradingu, kde malý kapitál představuje konkurenční výhodu (takže je škoda ji nevyužít).
    Swingové breakout strategie přitom nemusí být nijak komplikované. Konzervativně se stačí zaměřit na dlouhodobé cenové maximum (například poslední rok) a do pozice vstupovat v momentě překonání této hranice. Strategie pak pracuje se základním stop-lossem (ten je zasažen, pokud trh po průlomu nepokračuje) a posouvaným (trailing) stop-lossem, jehož cílem je z pohybu dostat co nejvíce. Obchod tak může vypadat například takto:

    Při obchodování akcií bych určitě začal se strategiemi, které breakouty pouze nakupují. V aktuální chvíli se tak připravuje mnoho zajímavých příležitostí, pokud trhy budou dále růst. Přičemž samozřejmě není potřeba čekat na průlom ročního high a lze agresivněji používat i kratší intervaly. A pokud trhy růst nebudou, tak to zase znamená, že strategie nebudou generovat žádné ztráty a kapitál můžeme využít jiným způsobem.
    Pro inspiraci – takto vypadá equity křivka popisovaného přístupu aplikovaného na akcie, které mám v databázi (včetně delistovaných). Jde o více než 20 000 titulů, z nichž systém vybírá ty s nižší likviditou (ale stále obchodovatelné a s cenou nad 1 dolar). Systém drží max. 40 pozic současně a každé přiřazuje 5 % kapitálu. Od roku 1995 obsahuje test velmi slušných 10 564 obchodů:

    Křivka je to samozřejmě ilustrační, právě proto, že do malých akcií nelze umisťovat stále vyšší kapitál. Nelze plánovat například takto dlouhodobé navyšování pozic. Na křivce je ale vidět, že edge funguje skutečně dlouhodobě.
    Zajímavější může být pohled na obchody od roku 2018, pokud bychom začali s kapitálem 10 000 dolarů a vstupovali/vystupovali na otevírací ceně další den po generovaném signálu (abychom si tak mohli připravit například limitní příkazy atd.). Při započítání komisí z Interactive Brokers bychom stále dosahovali ročního zhodnocení přes 50 % při poměrně nízkém drawdownu. V praxi toto zhodnocení bude snížené o různé skluzy v plnění, na které je třeba se při obchodování akcií s nižší likviditou připravit, nicméně stále je zde z mé zkušenosti dost prostoru pro profit. 

    Lze přitom očekávat, že se blíží doba, kdy se menší akcie mohou opět dostávat ke svým dlouhodobým maximům, a strategie tak opět začne generovat zajímavé zisky. Bude dobré ji mít připravenou v arzenálu (v případě práce s menšími účty).
    Jak konkrétně strategii připravit? Sám používám Amibroker, a pokud jste absolvovali swingový workshop, měli byste být schopni využít předávané know-how a strategii obměnou poskytovaných kódů připravit. Případně jsem do TechLabu připravil v pátek nový tutoriál obsahující i kompletní kostru systému velmi podobného výše screenshotovanému.
    Intradenní breakout obchody
    V intradenních trzích volatilita jednoznačně nahrává breakoutům volatility. Podrobně se o nich můžete na Finančníkovi dočíst v článku Intradenní breakout volatility. Strategie nejčastěji spočívá v tom, že trh nakoupíme/prodáme v okamžiku, kdy se vychýlil o určitou hodnotu od otevírací ceny (například definovanou násobkem indikátoru ATR) a pozici držíme do konce obchodního dne. Nejzajímavější výsledky bývají na akciových indexech a energiích.
    Jak se podobný systém může chovat na akciovém indexu e-mini S&P 500 jsem popisoval nedávno v článku +93 % za 3 měsíce – breakout systém na ES. Je zajímavé si uvědomit, že tento systém nebyl nijak na aktuální volatilitu optimalizován – naopak byl vytvořen již před několika lety. Za poslední měsíc si přitom připsal další nemalé zisky dané hlavně tím, že se trhy nyní hýbou. Takto vypadá další vývoj aplikovaný na mikro S&P 500 – kontrakt, který je 10x menší než e-mini S&P 500, a lze jej tak obchodovat s menším kapitálem:

    U mikro S&P 500 je ale dobré mít na paměti, že jakmile současná volatilita opadne, již určitě nebude možné generovat podobná zhodnocení.
    Jak podobný systém vytvořit? V TechLabu naleznete můj kompletní tutoriál na Intradenní breakout strategie v Amibrokeru včetně kódů pro Amibroker. Ale je určitě potřeba počítat s tím, že vývoj intradenní strategie je násobně náročnější než vývoj swingové strategie. Pokud jste se účastnili posledního Trading Fora, tak ostatně víte, že si v této oblasti dnes pomáhám pomocí GSB generátoru strategií, což není levná záležitost (a tedy určená pro malé účty), ale opět pro ilustraci. 25. února jsem pro programátora, se kterým pracujeme na systému portfolio exekucí ID obchodů, vytvořil v e-mini S&P 500 tři intradenní breakout strategie. Ty využívaly data jen do poloviny roku 2019 a od 25.2.2020 jsou tedy již 100% „out of sample“ a předané do TradeStation platformy. Takto si přitom vedly od konce února všechny tři dohromady:

    Všechny strategie přitom obchodují long i short, a dokáží tak profitovat ať trhy rostou nebo klesají – podstatná je v nich právě zvýšená volatilita:

    Závěr
    Aktuální zvýšená volatilita přináší mnoho příležitostí, které v posledních letech v trzích nebyly. Breakout strategie jsou nyní žhavější než jindy. A jestli se zaměřit na intradenní nebo swingové příležitosti? Pokud bych začínal a disponoval malým účtem (pár tisíc až desítek tisíc dolarů), zaměřil bych se spíše na swingové obchodování – například právě v méně likvidních akciích. Intradenní futures trhy nabízejí také mnoho zajímavého, ale strategie je třeba obchodovat v portfoliích. A i v případě využití mikro kontraktů to už vyžaduje dostatečný kapitál a rozhodně vyšší náročnost spojenou s vytvářením strategií. Ale jak vidíte na uvedených příkladech, i ta se vyplácí.  
     
×
×
  • Vytvořit...