Nový Analyzátor pro sledování diverzifikace a výkonnosti portfolií

Proč většina obchodníků na trzích prodělává, i když mají k dispozici funkční systém? Pátrají po "svatém grálu", ale skutečný problém není ve strategii, nýbrž v chybějící disciplíně a důvěře. Pojďme si to ukázat na konkrétním jednoduchém systému, který jsem sám vytvořil, jehož pravidla veřejně sdílím a který mi osobně přináší konzistentní zisky.
Na jaře 2024 jsem na Finančníkovi v Trading Roomu popsal metodiku vývoje nového systému a vytvořil jednoduchou strategii pro intradenní obchodování breakoutu volatility. Jde o 100% mechanický a plně replikovatelný přístup.
Backtest systému
Hlavní backtest systému naleznete v Trading Room v tomto vlákně, systém jsme testovali na širším portfoliu tickerů a sharpe ratio vycházelo 1.4:

Živý vývoj systému
Systém jsme postupně implementovali do dashboardu Trading Room v podobě, v jaké jej sám obchoduji. Dashboard představuje „kontinuální backtest“. Backtest vychází z pravidel a nastavení 100% popsaných v Trading Room. Jde o mechanickou strategii, tudíž 100% replikovatelnou (lišit se mohou reálná plnění).
Od chvíle, kdy jsem sám systém spustil live, vypadá ekvity křivka originálního systému v dasbhoardu následovně:

Roční zhodnocení 31,37 % při drawdownu -9,5 %. Sharpe ratio 1.5.
Pozn: Na Finančníkovi se zaměřujeme na tvorbu portfolií, kde kapitál nevyužívaný jednou strategií může pracovat v jiné. Tento princip lze efektivně aplikovat i na tento intradenní systém, a dále tak navyšovat celkovou výkonnost.
Výsledky z živého obchodování
Backtesty jsou jedna věc, ale reálné obchodování s reálnými penězi je to jediné, na čem záleží. Zde jsou mé výsledky z Interactive Brokers, které zahrnují všechny poplatky a skluzy v plnění.

Equity křivka z mého živého účtu se v detailech mírně liší od backtestu. Důvodem je, že strategii obchoduji s lehce upravenými parametry a v průběhu času jsem optimalizoval position sizing a obchodované trhy, což ostatně doporučuji všem. Na první pohled je však zřejmé, že živé obchodování věrně kopíruje potenciál systému, jehož kompletní pravidla jsou sdílena v Trading Roomu. V živém obchodování jsem se strategií zatím dosáhl sharpe ratio 1.2.
Strategii obchoduji v rámci širšího portfolia, a nemohu tak sdílet screenshot samostatné ekvity přímo z IBKR. Nicméně zde je alespoň pohled na poslední obchod:


Jak vidíte, za jediný den strategie vydělala přes 110 000 Kč, tj. rozhodně ji tak neobchoduji s malým kapitálem, ale tvoří dnes jednu z páteří mého portfolia. V TWS platformě vidíte, že sám breakout ještě obchoduji skrz ETF (historické důvody), většina obchodníků v Trading Room jej ale obchoduje skrz micro futures, což je kapitálově mnohem méně náročné (strategii lze obchodovat i s malými účty).
A tím se dostáváme k hlavnímu tématu článku.
Přestože je strategie jednoduchá, funkční a 100% mechanická, ne každý s ní dokáže vydělávat. Zde jsou dva hlavní důvody. Pokud si z nich vezmete poučení, může vás to posunout k profitabilnímu tradingu.
Důvod č. 1: Nedostatečná důvěra ve strategii
Abyste se stali ziskovým obchodníkem, musíte bezmezně věřit tomu, co děláte. Jedině tak dokážete překonat období ztrát (drawdowny), které jsou nevyhnutelnou součástí každého obchodování.
Pokud pouze pasivně převezmete cizí systém, s vysokou pravděpodobností o něm začnete pochybovat při prvních ztrátách. Proto ke strategii sdílím nejen kompletní myšlenkové pochody, ale i kódy pro platformy jako TradeStation, ve které je díky integrovaným datům podobné strategie velmi snadné testovat (následně je možné ji obchodovat jak u TradeStation nebo například u Interactive Brokers, jak to dělám sám). Každý si tak může systém sám otestovat, lehce modifikovat a "osahat".
Mnohem vyšší úspěšnost vidím u těch, kteří si našli čas na vlastní backtestování. Získali tak důvěru, kterou potřebují k riskování reálných peněz. Obchodníci, kteří hledají jen rychlé zisky bez snahy pochopit princip, jsou první, které první drawdown semele.
Důvod č. 2: Chybějící konzistence v exekuci
Při pohledu na rostoucí equity křivku vypadá obchodování vždy snadně. Ve skutečnosti je ale dosažení nových maxim na účtu výsledkem každodenní, monotónní práce a striktního dodržování pravidel.

Podívejte se na graf, který zobrazuje jednotlivé ziskové a ztrátové obchody z kontinuálního backtestu dashboardu pracující s riskem 200 dolarů na obchod. Většina z nich se pohybuje mezi ztrátou 200 dolarů a zisku 200 dolarů na obchod. Ziskovost celé strategie však stojí na menším počtu ziskových obchodů (tzv. outlierech), které jsou v grafu zakroužkované.
A teď to nejdůležitější: Jak by vypadala equity křivka, kdybychom vynechali pouhých 5 % nejziskovějších obchodů?

Ztratili bychom veškerou výkonnost.
Proč by obchodník úspěšné dny vynechával? Protože je unavený z předchozího drawdownu. Strategie několik týdnů stagnuje, připíše si další ztrátu a obchodník frustrovaně další den systém "raději" nezapne. A právě tehdy přijde onen extrémní pohyb, který by posunul účet na nová maxima. Obchodník se pak vrací do trhu, jen aby si "odseděl" další sérii ztrát, a celý cyklus se opakuje.
Konzistence je v tradingu naprosto klíčová. I proto jsem velkým zastáncem automatizace, která pomáhá lidský faktor eliminovat.
I v případě automatizace (strategii obchoduji pomocí autotraderu) není 100% konzistence zajištěna automaticky – občas nastávají různé situace, které je třeba řešit. Ale je to mnohem snazší, než dosahovat konzistence při trvalém ručním obchodování.
Závěr
Různé strategie mají různé rozložení zisků, ale potřeba důvěry a konzistence je univerzální. Dnešní trhy nenabízejí obrovskou statistickou výhodu (edge). Zisky se skládají z trpělivé těžby drobných výhod, které se časem nasčítají.
Pokud v tradingu stále ztrácíte, pravděpodobně se příliš soustředíte na snahu předvídat trh. Zkuste změnit přístup. Zaměřte se na nalezení ověřeného systému a jeho bezchybnou exekuci.
Pokud hledáte plán, který má svůj edge již potvrzený, a chcete se soustředit čistě na jeho zprovoznění, doporučuji začít s testováním našeho intradenního breakoutu volatility. Ten sdílím v Trading Room i včetně různých nástrojů pro automatizaci. Podrobný popis naleznete v článku Trading Room intradenní breakout.

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.