Při obchodování na burze můžeme pracovat s různými statistickými výhodami. Jednou z nich může být i IPO, kdy se akcie poprvé dostávají na burzu.

Obsah článku:

• Co je IPO?
• Kolik je IPO za rok?
• Proč se o IPO z pohledu tradingu zajímat?
• Obchodování IPO
• Tendence pohybů akcií po IPO
• SPAC vs. tradiční IPO
• Identifikace SPAC v historických grafech
• Obchodní plán vycházející z IPO
• Backtest mechanické IPO strategie
• Mechanické obchodování IPO – shrnutí

Co je IPO?

"IPO" je zkratka pro "Initial Public Offering" a označuje první veřejnou nabídku akcií společnosti na burze. Tento proces je klíčovým momentem pro mnoho soukromých společností, protože znamená jejich vstup na veřejný akciový trh a nabídnutí svých akcií široké veřejnosti. Před IPO je společnost obvykle vlastněna zakladateli, ranými investory, jako jsou venture kapitalisté, a možná malým počtem privátních investorů. IPO umožňuje společnosti získat kapitál od široké veřejnosti prostřednictvím prodeje akcií a současně poskytuje raným investorům a zakladatelům možnost zhodnotit část své investice.

Kolik je IPO za rok?

O kolika potenciálních obchodech hovoříme?

I když aplikujeme na první obchodní den akcie po IPO konzervativní filtr likvidity C*V > 10 milionů, abychom vyloučili různé penny stocks, jde stále o vyšší desítky, někdy i stovky obchodních příležitostí ročně:

Historická data ukazují, že poslední roky je IPO méně, zejména v roky, kdy akciové trhy klesaly. Ale stále jde o zajímavé množství signálů.

Proč se o IPO z pohledu tradingu zajímat?

Coby tradeři obecně vyděláváme především na neefektivitách trhů. Ty se často odehrávají v dobách, kdy v trzích panují emoce. Což uvedení nové společnosti na veřejně obchodovaný trh často představuje. O společnostech vstupujících na trh se hodně hovoří a především není známá jejich tržní cena. Ta se teprve bude tvořit.

Důležité

Akcie po IPO mají tendence pohybovat se výrazně jinak, než celkový akciový trh. To může představovat zajímavé příležitosti pro zisk.

Obchodování IPO

IPO lze obchodovat jednak tak, že se účastníme samotného úpisu. Při vstupu na burzu je na základě poradců a investičních bank stanovena cena, za kterou se akcie upisují. Za tuto cenu lze nakupovat akcie u brokerů, kteří IPO umožňují obchodovat. Řada obchodníků akcie nakupuje právě v IPO a vydělává na tzv. fenoménu IPO pop – rozdílu mezi první otevírací cenou akcie na burze a cenou, za kterou byla akcie upsaná. Řada akcií na základě zájmu investorů otevře výše, než za kterou byly primárně upsány. Nasdaq ve svých statistikách udává, že průměrný IPO pop v roce 2020 byl 38 %  (viz Trends in IPO Pops).

IPO lze obchodovat ale i tak, že akcie nakupujeme až poté, co se začnou obchodovat na burze. Což je cesta, která se dá dělat systematicky s běžnými nástroji, které máme všichni k dispozici. Oproti etablovaným akciím můžeme coby tradeři těžit ze zvýšené volatility a již zmíněného prostého faktu, že trh teprve hledá férovou tržní cenu dané společnosti. To se promítá do toho, že některé tituly mohou po svém IPO dosáhnout ohromného zhodnocení. Zde je graf nejvyšších zhodnocení akcií za 30 obchodních dnů od první uzavírací ceny:

Vidíme, že každý rok, včetně let 2022–2023, se našly tituly, které během 30 dnů po IPO uzavřely o několik desítek procent výše, než za jakou cenu skončilo na burze jejich obchodování první den. To jsou bezesporu zajímavé obchodní příležitosti.

Tendence pohybů akcií po IPO

Výše uvedený graf by mohl naznačovat, že akcie mají po IPO tendenci růst. Obecně tomu ale tak nebývá (výše publikovaný graf ukazuje maxima). Takto vypadají průměrná zhodnocení za 30 obchodních dnů od první uzavírací ceny po IPO:

Zejména v době celkového klesajícího trhu akcie po IPO průměrně klesaly. A některé opravdu výrazně. Takto vypadá nejnižší zhodnocení akcií po IPO za 30 dnů od první uzavírací ceny:

Akcie tedy umí v relativně krátké době po IPO vytvořit jak ohromný zisk, tak ohromnou ztrátu. To je paradoxně přesně prostředí, které pro aktivní trading potřebujeme. Vesměs vyděláváme hlavně na volatilitě, kdy se obchodované trhy hýbou.

SPAC IPO vs. tradiční IPO

IPO v grafu poznáme tak, že v daný den začíná cenový denní graf daného tickeru. Budete-li grafy testovat a například na IPO stavět obchodní systém, je potřeba mít na paměti druhý možný způsob, jak se společnosti dostávají na burzu. Může jít o výše popsané tradiční IPO, ale i o tzv. SPAC (Special Purpose Acquisition Company). SPAC IPO a tradiční IPO jsou dva rozdílné přístupy, jak společnost může vstoupit na veřejný akciový trh. Zatímco oba procesy mají stejný konečný cíl – získat kapitál od veřejných investorů a obchodovat na burze – způsob, jakým k tomu dosáhnou, se značně liší.

SPAC, někdy označovaný jako „blank check company“, je entita vytvořená výhradně za účelem akvizice jedné nebo více nejmenovaných podniků. Společnost se na burzu dostane tak, že skupina investorů nebo sponzorů vytvoří novou společnost (SPAC) a uvede ji na burzu. Přičemž investoři kupují akcie bez znalosti, jaká konkrétní akvizice bude provedena. Jde skutečně o prázdnou společnost, kdy se teprve později hledá firma, u které SPAC provede akvizici. Jakmile je cílová společnost identifikována (často měsíce až několik let), akcionáři SPAC hlasují o schválení akvizice. Po schválení se cílová společnost stává veřejně obchodovanou společností prostřednictvím fúze se SPAC.

Rozlišovat mezi tradičním IPO a SPAC IPO je při analýze grafů velmi důležité. Cena SPAC IPO zpočátku nemá souvislost s akvizovanou společností.

Identifikace SPAC v historických grafech

SPAC můžeme v historických grafech identifikovat například pomocí Norgate Dat (je potřeba alespoň platinum tarif). Takto vypadá jednoduchý indikátor, kterým si do grafu vykresluji, jestli byla společnost SPAC:

#include_once "Formulas\Norgate Data\Norgate Data Functions.afl"
blankcheckcompany = NorgateBlankCheckCompanyTimeSeries();
Plot(blankcheckcompany,"SPAC",colorBlack,styleHistogram);

Screenshot z Amibrokeru zobrazuje cenový vývoj healthcare společnosti Clover Health Investments (CLOV):

Ta vstoupila na burzu v roce 2021 prostřednictvím SPAC IPO. Vývoj grafu v roce 2020 (kde na spodním indikátorů vidíme čárky) se netýkal společnosti CLOV, ale investičního nástroje (prázdné společnosti), která byla uvedena na burzu, ale ještě se nevědělo, se kterou společností se spojí.

Obchodní plán vycházející z IPO

V případě systematického obchodování IPO se tedy budeme chtít zaměřit na nové společnosti (existuje v grafu jen několik úseček), které nejsou SPAC. Patrně budeme chtít tyto společnosti nakupovat (shortování akcií se mi jeví v této fázi jako hodně riskantní, nehledě na to, že shorty nemusí být vůbec k dispozici). 

Jeden z nejjednodušších způsobů obchodování, které se nabízí, je obchodovat momentum.

To dává smysl i s ohledem na výše publikované tendence. Některé společnosti mají po IPO tendence ke skutečně silnému trendování.

Může tak být výhodné nakoupit trh v okamžiku, kdy cena poprvé uzavírá výše, než byly předcházející maximální ceny.

Takto může vypadat konkrétní obchodní plán:

Vstupní podmínky:

• Společnost je obchodována na US burze a není SPAC.
• První obchodní den měl dostatečný objem. C*V>10000000
• Trh nakoupíme při otevření následující den poté, co poprvé uzavřel výše než kterákoliv předcházející cena.
• Na signál čekáme v prvních 100 dnech obchodování titulu.

Risk management:

• Stop-loss 20 % od vstupu.
• Profit target 30 % od vstupu.
• Obchodujeme současně maximálně 5 pozic, každé alokujeme 20 % kapitálu. Pokud je k dispozici více signálů než pozic, které si můžeme dovolit otevřít, řadíme signály podle aktuálního průměrného C*V.

To je vše.

Kromě podmínky likvidity nemá systém žádnou optimalizovatelnou vstupní podmínku. Což je velké pozitivum – čím méně proměnných, tím vyšší šance na robustní systém.

Optimalizovatelný je risk managment. Ten ale upřímně vnímám jako základní a pro živé obchodování bych volil místo fixního stop-lossu patrně nějakou formu posouvaného stop-lossu.

Backtest mechanické IPO strategie

Backtest podobného ukázkového přístupu rozhodně naznačuje, že v této oblasti bude zajímavý edge.

Historicky by strategie dosahovala zhodnocení 20,53 % p.a. při drawdownu -31,57 %. A to po započtení komisí dle Interactive Brokers. Testováno za období 1. 1. 2003 - 25. 4. 2025. Do testu byly zahrnuty i delistované akcie. Použita Norgate Data.

Průměrný obchod má velmi nadstandardní zhodnocení +6,72 % při průměrné délce obchodu 67 dnů. Sharpe ratio je 0,95.

Zde jsou graficky zobrazené výsledky backtestů.

Graf vývoje stavu účtu strategie (modrá křivka) vs. benchmark S&P 500 (šedá linka). Logaritmické měřítko:

O tom, jak ohromný rozdíl v absolutních číslech je ve zhodnocení strategie vůči držení indexu S&P 500, dobře vypovídá graf v běžném měřítku:

Mechanické obchodování IPO – shrnutí

Jednoduchá ukázková strategie ukazuje, že v mechanickém trendovém obchodování IPO může být zajímavý edge. I velmi jednoduchá pravidla strategie vykazují stabilní růst equity křivky. Strategie má přitom velmi jednoduchá pravidla a implementovat ji do portfolia není složité.

Obsah článku:

• Co je intradenní obchodování (daytrading)?
• Kde získat funkční obchodní plán?
• Co je intradenní breakout otevíracího rozpětí?
• Pravidla obchodního plánu intradenního breakoutu
• Jak strategii mechanicky otestovat?
• Hotový kód mechanické intradenní breakout strategie
• Automatizovaný daytrading - shrnutí

Daytrading může být hodně výdělečný. Zde je konkrétní plán, jak bych začal. A to včetně kódu strategie, kterou je možné pustit do trhu jako autotrader.

Co je intradenní obchodování (daytrading)?

Intradenní obchodování je styl tradingu, kdy pozice držíme jen přes den (tj. nikoliv přes noční seanci). Výhodou je, že coby obchodníci můžeme jít spát s čistou hlavou, je možné pracovat s vyšší pákou (brokeři mají pro intradenní držení pozic vesměs jiné požadavky na kapitál než pro pozice držené přes noc) a kapitál na účtu může pracovat s vyšší frekvencí, a tudíž více vydělávat.

Na druhou stranu je intradenní obchodování velmi náročné. Zejména diskreční, kdy obchodníci velmi často sklouzávají k tomu, že obchodují nikoliv dlouhodobé pravděpodobnosti, ale subjektivní „predikce“ toho, kam se trh vydá. A to nefunguje.

Intradenní obchodování je těžký boj i z pohledu nákladů. U pozic trvajících hodiny nebo minuty budeme z principu dosahovat průměrně nižších výdělků na jeden obchod, ale komise platíme brokerům stejně jako u kteréhokoliv jiného obchodu. Často se tak může stát, že poplatky spolykají všechny těžce vydělané peníze. Zejména, pokud bude obchodník provádět mnoho ultrarychlých obchodů denně.

Přesto má intradenní obchodování potenciál. Vidím jej zejména v momentě, kdy strategie automatizujeme a obchodujeme spíše s nižší frekvencí – například jeden intradenní obchod v trhu denně s dobou trvání spíše hodiny, než minuty.

Osobně intradenně obchoduji jak mean reversion, tak breakout strategii na akciových indexech. Intradenní strategie tvoří menší část mého portfolia, které je dále složené především z mechanických swingových a dlouhodobějších rotačních strategií.

Nicméně komplexnější portfolia vyžadují přiměřeně vysoký kapitál a pro řadu obchodníků tak může být zajímavé začít s daytradingem, kde jsou požadavky na kapitál nejmenší.  

Pojďme si proto ukázat možnou cestou, jak konkrétně začít, pokud zatím žádnou AOS strategii ani systém pro autotrading nemáte.

Kde získat funkční obchodní plán?

Moje osvědčená cesta je inspirovat se tím, co funguje ostatním. To jde pochopitelně tím lépe, čím více zkušeností člověk má. Při stavbě úplně prvních systémů bych vyšel z těch nejvíce diskutovaných principů, které fungují dlouhodobě. Například na Finančníkovi roky diskutujeme intradenní breakouty v akciových indexech. V případě daytradingu je to určitě dobrý začátek. Na internetu lze najít i funkční obchodní plány. Například v různých akademických studiích, které jsou volně dostupné. Jde o ohromné množství dat, naštěstí ale existují služby, které je procházejí, katalogizují a popisované edge backtestují. Patrně nejlepší je quantpedia.com. Tu se svým týmem připravuje Radovan Vojtko, který v nedávném rozhovoru v newsletteru Quantopian zmínil například studii: Může být day trading skutečně profitabilní? Adresa ke stažení: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4416622

Ta backtestuje jednoduchý breakout otevírací rozpětí na 5minutovém grafu akciového indexu Nasdaq 100 v letech 2016 až 2023 a došla k závěru, že s použitím páky a intradenního obchodování breakoutů bylo možné ve sledovaném období dosáhnout přibližně 10x vyššího zhodnocení než při držení samotného indexu.

Breakouty na indexech nevymizí a s podobným principem bych se tak nebál začít v malém obchodovat.

Pochopitelně je třeba akceptovat, že systémy se široce veřejně diskutovanými pravidly patrně mohou časem degradovat a úplně bych se na ně nespoléhal s většími účty. Ale odněkud je třeba začít a zkušenosti získané živým obchodováním vám budou postupně přinášet inspiraci k tomu, jak plány posouvat dál. Sám například obchoduji intradenní breakout také ve velmi triviální podobě, ale s určitou nuancí, která věřím, že může přinášet dodatečnou obchodní výhodu. Na tu bych ale bez předchozí praxe v trzích patrně nepřišel.

Co je intradenní breakout otevíracího rozpětí?

Za otevírací rozpětí se považuje maximální a minimální cena sledovaného intervalu trhu po jeho otevření. V případě zmíněné studie „Může být day trading skutečně profitabilní“ jde o prvních pět minut obchodování. Pokud si zobrazíme trh skrz pětiminutový graf, pak otevírací rozpětí představují High a Low první úsečky.

V grafu jsem situaci zobrazil šrafovanou linkou:

Americké akciové indexy otevírají v USA ve stejnou dobu jako akcie. Obchodují se tedy od 8:30 centrálního časového pásma (CT), což většinu roku odpovídá českému času 15:30 (kromě několika málo týdnů, kdy je čas posunut o hodinu díky změně letního a zimního času, která neprobíhá v USA a Evropě stejně).

Šrafované linky odpovídají High (horní linka) a Low (spodní linka) první pětiminutové úsečky, což je otevírací rozpětí vycházející ze studie (existují i další principy pracující například s delším časem pro výpočet otevíracího rozpětí).

Pravidla obchodního plánu intradenního breakoutu

Studie definuje zcela mechanický obchodní plán, který je možné shrnout do následujících kroků:

1. Čekáme na uzavření první pětiminutové úsečky.
2. Pokud je první pětiminutová úsečka rostoucí (Close > Open), pak na otevírací ceně druhé úsečky otevíráme long pozici.
   Pokud je první pětiminutová úsečka klesající (Close < Open), pak na otevírací ceně druhé úsečky otevíráme short pozici.
3. Stop-loss strategie umisťuje na úroveň low otevíracího rozpětí (první pětiminutové úsečky) v případě long pozice, resp. na úroveň high otevíracího rozpětí v případě short pozice.
4. Profit target se umisťuje na úroveň 10násobku riskované částky (tj. rozsahu vstup – stop-loss).
5. Strategie vystupuje buď na stop-lossu, profit targetu, nebo na konci obchodního dne.

Obchodovaným trhem diskutovaným ve studii je americký index Nasdaq 100. Konkrétně skrz ETF s názvem QQQ, které index následuje. V EU díky regulaci není možné tento ticker na běžných retailových účtech obchodovat, a tak nejbližší rozumnou volbou budou futures mikrokontrakty MNQ. Ty mají hodnotu bodu 2 USD.

Backtest strategie intradenního breakoutu s využitím trhu QQQ vypadá podle studie následovně:

Zdroj: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4416622

Černá linka je výkonnost strategie (long a short dohromady). Červená linka benchmark pro porovnání s držením QQQ (de facto držení indexu). Dobré je, že ve studii jsou zahrnuty i výsledky od začátku roku 2022, kdy trhy začaly klesat a dobře to dokresluje, jaké výhody nám poskytují krátkodobé long/short strategie. Černá equity křivka roste bez ohledu na to, že index samotný převážně klesá.

Jak strategii mechanicky otestovat?

Jelikož máme strategii definovanou naprosto mechanicky, byla by hloupost testovat a obchodovat ji ručně. Pochopitelně existuje celá řada způsobů, jak podobné strategie backtestovat a obchodovat plně automatizovaně. Sám například používám python skripty napojené na Interactive Brokers.

Na začátku je ale určitě dobré začít co nejjednodušeji. Z mé zkušenosti lze podobné systémy velmi snadno obchodovat u TradeStation. Ta integruje vše, co člověk potřebuje. Prostředí pro backtest, data a současně funguje jako autotrader. Perfektní je, že u TradeStation lze přepínat mezi simulovaným a živým obchodováním a v obou prostředích fungují zcela stejné skripty. Začal bych tedy tak, že skript pustím na simulovaný účet, budu jej sledovat, a pokud budu s chováním systému spokojený, přepnu se na živý účet a budu mít svůj první intradenní autotrader.

Hotový kód mechanické intradenní breakout strategie

Konkrétní skript není součástí studie. Nicméně převést uvedená pravidla do mechanického kódu EasyLanguage není těžké. Zde je strategie v podobě, kterou stačí jen překopírovat do TradeStation:

Vars: BuyPrice(0),ShortPrice(0), ShortRiskAmount(0), ShortStopLevel(0),ShortTargegLevel(0),LongStopLevel(0),LongRiskAmount(0),LongTargetLevel(0);
If Time = 0835 and C>O and MarketPosition = 0 then 
begin
    Buy ("LongOR") next bar market;
    BuyPrice = Close; 
    LongStopLevel = L;
    LongRiskAmount =  BuyPrice - LongStopLevel;
	LongTargetLevel = BuyPrice + (10* LongRiskAmount);
end;
If MarketPosition = 1 then 
begin
    Sell ("ORL SL") next bar at LongStopLevel stop;
    Sell ("ORL PT") next bar at LongTargetLevel limit;
end;
If Time >= 1500 and MarketPosition > 0 then  
    Sell ("ORL TimeStop") next bar at market;
    
If Time = 0835 and C<O and MarketPosition = 0 then 
begin
    Sellshort ("ShortOR") next bar market;
    ShortPrice = Close;  
    ShortStopLevel = H;
    ShortRiskAmount =  ShortStopLevel - ShortPrice;
	ShortTargegLevel = ShortPrice - (10* ShortRiskAmount);
end;
If MarketPosition = -1 then 
begin
    Buytocover ("ORS SL") next bar at ShortRiskAmount stop;
    Buytocover ("ORS PT") next bar at ShortTargegLevel limit;
end;
If Time >= 1500 and MarketPosition = -1 then 
    Buytocover ("ORS TimeStop") next bar at market;

Pokud s TradeStation začínáte, můžete se podívat na dříve publikovaný seriál, který ukazuje, jak s TradeStation pracovat.

Ale není to složité. Otevřeme graf s příslušným trhem (např. MNQ.D pro denní data mikro futures indexu Nasdaq 100), otevřeme EasyLanguage editor – vložíme skript, aplikujeme jej na graf a můžeme backtest případně rovnou autotraderovat. Ano, výše uvedený skript je v zásadě vše, co potřebujeme proto, aby TradeStation obchodovala intradenní breakout (kód ale publikuji výhradně pro studijní účely, sám bych jej případně spouštěl v simulaci a sledoval, jestli skutečně vše funguje, jak má).

Automatizovaný daytrading - shrnutí

Backtest i s použitým kódem vypadá velmi perspektivně – ostatně přesně, jak naznačuje studie. Jediný zásadní rozdíl ve výsledcích je v position sizingu. V našem kódu pro zjednodušení pracujeme s jedním kontraktem, což může být kontraproduktivní. Absolutní výše risku bude hodně záležet na aktuální volatilitě trhu a je výhodnější volatilitu tzv. normalizovat, aby byl absolutní risk stále stejný.

Na druhou stranu práce s konstantním jediným kontraktem má také výhody. Například tu, že nám stačí velmi malý účet. Například u TradeStation je potřeba pro otevření mikro kontraktu MNQ.D jen cca 460 dolarů. Tedy strategii lze obchodovat s účtem cca 800–1000 dolarů. A to není pro začátek vůbec špatné.

Plus je třeba nezapomínat na to, že máme mnoho možností, jak strategii posouvat dál. Můžeme zkusit testovat jiné periody breakoutů, další trhy (strategie dobře funguje i na mikro futures indexu S&P 500) a určitě je dobré otestovat zmíněnou normalizaci volatility.

Líbí se vám toto téma? Prosím sdílejte odkaz článku, který jsme publikovali na náš X (https://twitter.com/financnik) a Facebook (https://www.facebook.com/financnikcz) účet. V případě zájmu mohu pokračovat v rozvinutí myšlenky do dalších testů a třeba i více komplexnějších přístupů.

Breakout trading a řízení rizik [komodity vs ETF vs CFD]

V pokračování článku se zaměříme na Breakout trading a řízení rizik [komodity vs ETF vs CFD].

Obsah článku:

• Jaké má portfolio význam?
• Co je diverzifikace
• Co je korelace
• Typicky diskutované základní diverzifikované investiční  portfolio – 60/40 
• All weather portfolio
• Jak má vypadat portfolio?
• Portfolio složené z akcií, ETF nebo obchodních systémů?
• Diverzifikované portfolio složené z obchodních systémů
• Význam portfolia - shrnutí

Jaké má portfolio význam?

Portfolio v kontextu finančních trhů odkazuje na kombinaci různých finančních nástrojů, jako jsou akcie, dluhopisy, komodity, měny a další finanční aktiva. Nejčastěji se hovoří o investičních portfoliích. Portfolia ale vytvářejí i aktivní obchodníci obchodující krátkodobě.

Klasické investiční portfolio může být složené z různých finančních nástrojů. Může obsahovat například 50 % akcií, 30 % dluhopisů a 20 % komodit, nebo jakoukoliv jinou kombinaci podle preference a rizikové tolerance investora.

Portfolio aktivních obchodníků se může skládat z obchodních systémů zaměřených na různé obchodní styly a délku držení pozic. Může obsahovat například kombinací dlouhodobého trendfollowingového systému, swingového mean reversion systému a intradenního breakout systému.

Hlavním významem portfolia je diverzifikace.

Co je diverzifikace

Diverzifikace je strategie, která spočívá v rozložení investic do různých typů aktiv s cílem minimalizovat celkové riziko na obchodním účtu. Základní myšlenkou je, že různá aktiva často nereagují na ekonomické události stejným způsobem. Pokud se jedno aktivum vyvíjí špatně, může být tato negativní výkonnost vyvážena pozitivní výkonností jiného aktiva.

Ryze česky popisuje diverzifikaci rčení nevkládat všechna vajíčka do jednoho košíku.

Diverzifikace rizika je důležitá při jakýchkoliv finančních aktivitách. Protože to, co fungovalo v minulosti, nemusí fungovat do budoucna. Stabilitu může přinést to, že nebudeme spoléhat na jediný zdroj příjmů, ale příjmů budeme mít několik. Ideálně takových, které na sobě nejsou příliš závislé – mají spolu nízkou korelaci.

Co je korelace

Korelace je míra, která vyjadřuje vztah mezi dvěma nebo více aktivy, investičními nástroji nebo obchodními přístupy. Nejčastěji hledáme korelaci ve výnosech aktiv. Můžeme ale hledat i korelaci mezi riskem. Například sledovat, jakou korelaci mají propady (drawdown) hodnoty jednoho aktiva k propadům hodnot jiného aktiva.

Korelace se měří na škále od -1 do 1. Silná pozitivní korelace (cca 0,5 až 1) znamená, že když výnosy jednoho aktiva stoupají, výnosy druhého aktiva obvykle také stoupají. A naopak. Když jedno aktivum klesá, druhé silně korelované aktivum také klesá. Negativní korelace (-0,5 až -1) znamená, že když výnosy jednoho aktiva stoupají, výnosy druhého aktiva obvykle klesají a naopak. Nízká  korelace (cca -0,5 až 0,5) znamená, že výnosy dvou aktiv nejsou vzájemně výrazně spojeny a pohybují se na sobě nezávisle.

Korelace je pro diverzifikaci portfolia klíčová. Celkový risk v rámci portfolia se snižuje jen v případě, že jednotlivá aktiva mají negativní nebo nízkou korelaci.

Důležité je současně si uvědomit, že korelace mezi aktivy se časem v závislosti na různých ekonomických, politických a tržních faktorech mění. Je tak výhodné mít složené portfolio z více nízko korelujících dílčích částí.

Typicky diskutované základní diverzifikované investiční  portfolio – 60/40

Příkladem tradiční alokace aktiv, která se často doporučuje v literatuře jako pasivní investiční portfolio, je tzv. 60/40 portfolio. Rozdělení se týká procentuálního rozložení mezi akciemi a dluhopisy: 60 % portfolia je investováno do akcií nebo akciových fondů. Akcie obvykle nabízejí vyšší potenciální výnos, ale také přicházejí s vyšším rizikem volatilnosti a ztráty hodnoty. 40 % portfolia je investováno do dluhopisů nebo dluhopisových fondů. Dluhopisy jsou obvykle považovány za konzervativnější investice s nižším rizikem než akcie. Poskytují pravidelné výnosy z úroků a obvykle mají nižší volatilitu než akcie.

Ukázka historické výkonnosti 60/40 portfolia složeného z indexu SPY (akcie) a TLT (dluhopisy). Na první pohled je vidět význam a přínos diverzifikace portfolia. Výnos portfolia 60/40 (černá linka) je podobný jako u držení akcií indexu S&P 500 (šedá linka), ovšem risk je podstatně nižší. Max. drawdown u S&P 500 byl cca -55 %, u 60/40 portfolia byl -30,77 %. To je podstatný rozdíl a jeden z hlavních důvodů, proč řada obchodníků podobným způsobem portfolio diverzifikuje.

Uvedená diverzifikace risku fungovala proto, že výnosy akcií a dluhopisů měly dlouhodobě nízkou korelaci. Jak jsme si řekli, to se ale může změnit a také se to v poslední letech změnilo.

Takto vypadá výkonnost stejného portfolia od začátku roku 2022:

Černá linka opět představuje výkonnostní křivku portfolia 60/40, šedá indexu S&P 500. Diverzifikované portfolio ztrácí výrazně více než index S&P 500 a mělo i hlubší drawdown (-27,24 % vs. -24,5% u samotného indexu S&P 500). Co se změnilo? Díky makroekonomických tlakům začaly najednou klesat výnosy nejen akcií, ale i dluhopisů. A tak kombinace, která dříve zaručovala nižší risk (když padaly akcie, dluhopisy rostly), najednou žádnou diverzifikaci rizika nepředstavovala.

All weather portfolio

Diverzifikace v rámci investičních portfolií může být pochopitelně komplexnější a investovat lze do širší skupiny aktiv. Výborně se k tomu hodí tzv. ETF. Jde o akcie kopírující výkonnost celých indexů sektorů, indexů nebo komodit.

Často bývají diskutována tzv. „all weather“ portfolia, jejichž cílem je přečkat v trzích všechny možné turbulence s co nejnižším riskem. Zmiňovány jsou různé alokace. Miliardář Ray Dalio, velký propagátor diverzifikace, pracoval mj. s portfoliem složeným z 30 % amerických akcií (VTI - Vanguard Total Stock Market), 40 % dlouhodobých dluhopisů (TLT - iShares 20+ Year Treasury Bond), 15 % krátkodobých dluhopisů (IEI  - iShares 3-7 Year Treasury Bond), 7,5 % komodit (DBC - Invesco DB Commodity Tracking) a 7,5 % zlata (GLD - SPDR Gold Trus).

Opět si můžeme takto diverzifikované portfolio nasimulovat a porovnat jej například s držením SPY kopírující index S&P 500:

Je vidět, že výkonnost tohoto typu diverzifikované portfolia (černá linka) poslední roky výrazně zaostávala za výkonností indexu S&P 500 jak z pohledu risku, tak výnosů. A to kvůli tomu, jak se v průběhu času změnily korelace jednotlivých aktiv, ze kterých je toto diverzifikované portfolio složené.

Jak má vypadat portfolio?

Na výše uvedených příkladech jsme si ukázali, že portfolio má v obchodování i investování vysoký význam, ale v trhu neexistuje jakákoliv univerzální rada pro jeho stavbu. Co fungovalo desítky let může kdykoliv přestat fungovat. Osobně při stavbě portfolií vycházím z následujících pravidel:

a) Ideálně chci mít v portfoliu cca 10–15 aktiv, které by principiálně měly jinak reagovat na různé tržní podmínky. V mém případě skládám portfolia z mechanických obchodních systémů. V takovém případě budou mít určitě zaručeně nízkou korelaci například long a short mean reversion systémy, long a short breakout strategie atd.

b) Mezi aktivy v portfoliu chci mít slabou korelaci. Pokud se korelace z nějakého důvodu zvýší, zkoumám proč a případně jsem připraven portfolio upravit.

c) Důležité je myslet na volatilitu jednotlivých aktiv v portfoliu. Volatilita zjednodušeně řečeno říká, jak hodně se dané aktivum hýbe. Na první pohled je jistě zřejmé, že portfolio složené z 50% investice do dluhopisů (které se hýbou málo, jsou málo volatilní) a z druhých 50 % do bitcoinů (který se hýbe hodně – je hodně volatilní), nedává smysl. Risk profil celého portfolia se v tomto případě bude odvíjet od pohybů bitcoinu. Osobně pro měření volatility používám metriku, které se říká anualizovaná průměrná volatilita. Váhu aktivům (v mém případě systémům) v portfoliu dávám tak, aby měl dopad volatility aktiv na můj účet u všech aktiv podobnou váhu (tj. do volatilnějších aktiv alokuji méně kapitálu, do méně volatilních více).

d) Aby portfolio dobře sloužilo k diverzifikaci a řízení rizika, je třeba vždy věnovat pozornost jeho risk profilu. Osobně nejvíce sleduji zmíněnou anualizovanou volatilitu. Mířím na hodnotu cca 12 % anualizované volatility. To v praxi znamená, že výkyvy stavu mého portfolio účtu se s poměrně vysokou pravděpodobností budou pohybovat v rozsahu ± 12 % a ze zkušenosti vím, že to povede k maximálním drawdownům na úrovni cca 15 %.

Pokud bude vaše portfolio dobře diverzifikované, ale například kvůli použití páky nebo velmi volatilních aktiv budete obchodovat s anualizovanou volatilitou například 50 %, budete mít šanci vytvořit ročně velmi slušné zhodnocení (50 % a více), ale také je třeba se připravit na vysoké drawdowny – určitě na úrovni 50-70 %, což v praxi snese málokdo.

V portfoliu bychom tak měli řešit: Rozložení kapitálu do aktiv,  jejichž výkonnost a risk by neměly souviset (tato souvislost by měla být pojmenovatelná jak logickým vysvětlením, tak matematicky nízkou korelací). Rozložení kapitálu rovnoměrně podle volatility. Celkovou očekávanou volatilitu portfolia, která by měla být v mezích toho, co bude komfortní pro naši psychiku.

Portfolio složené z akcií, indexů nebo obchodních systémů?

To je již velmi specifické. Záležet to bude hlavně na očekávaném výdělku a množství investovaného času.

Pokud hledáte pasivní investování, pak bych se rozhlížel po portfoliích složených z ETF na různé indexy, případně sektory, dluhopisy a základní komodity. Patrně bych nevytvářel příliš složitou logiku s nutností rebalancování (změna vah v portfoliu v průběhu času), protože pak můžete těžit z časového testu po třech letech držení a nulové dani z příjmu. Člověk v tomto případě nemůže doufat v příliš vyšší výkonnost, než kterou obecně nabízí akciové indexy (S&P 500 má průměr cca 10 % ročně). Při trochu štěstí lze projít drawdowny s menším poklesem účtu (u samotného S&P 500 je potřeba se připravit na drawdowny cca 50 %), ale jak je vidět na výše uvedených příkladech, odhadovat budoucí konkrétní mix ETF může vést k lepším, ale i horším výsledkům než nabízí samotný index. Ale již i taková portfolio diverzifikace má bezpesporu svůj vysoký význam.

Skládání portfolií z jednotlivých akciích může vést k výsledkům výrazně převyšujících výkonnost indexů, ale výsledné zhodnocení bude určitě výrazně více záviset na náhodě a zkušenostech investora než v případě portfolia složeného z ETF. Snadněji lze skončit také s horšími výsledky než při práci s ETF

Osobně preferuji vytváření diverzifikovaných portfolií z mechanických obchodních systémů. To může výrazně přebíjet výkonnost indexů jak z pohledu výkonnosti, tak z pohledu risku. Ale na druhou stranu to není pasivní investování a je třeba si výsledky odpracovat.

Diverzifikované portfolio složené z obchodních systémů

V případě skládání portfolií z obchodních systémů můžeme vydělat výrazně více než při držení indexů. Ovšem také s rizikem, že systém sám o sobě v budoucnu fungovat nemusí. Proto osobně volím co nejjednodušší obchodní logiky.

Například jeden ze systémů, který obchoduji živě na svém účtu, obchoduje tak, že drží 5 nejvíce rostoucích technologických akcií indexu Nasdaq 100 v momentě, kdy tento index roste (obchoduje se nad svým dlouhodobým klouzavým průměrem). To je obchodní logika, která v budoucnu nemůže přestat fungovat. Pokud samotný Nasdaq 100 poroste, porostou i akcie, které rostou nejvíce.

Přitom už tento samotný obchodní systém překonává index jak s ohledem na výkonnost, tak risk. Zde je výkonnostní křivka backtestu v logaritmickém měřítku:

Systém má historické roční průměrné zhodnocení 20,31 % (modrá křivka) oproti indexu Nasdaq (šedá křivka). Ten měl průměrné roční zhodnocení 14 %. Nasdaq 100 si přitom prošel drawdownem -53,44 %, systém -39 %. To je samozřejmě pro mě stále ohromné číslo vycházejí z toho, že systém je hodně volatilní.

Ve svém portfoliu jej proto obchoduji tak, že mu přiřazuji jen část kapitálu. Sám mám v portfoliu zmíněných cca 10 systémů, takže váha tohoto momentum systému je poměrně nízká. Ale řekněme, že bychom mu v portfoliu přiřadili váhu 50 % kapitálu  a druhou polovinu věnovali nějakému úplně jinému přístupu – například swingovému shortování akcií skrz mean reversion. Přesně takovou kombinaci mám v portfoliu implementovanou a je zřejmé, že korelace podobných přístupů (dlouhodobé rostoucí momentum vs. krátkoodobé short mean reversion) bude vždy nízká.

Takto pak vypadá výkonnost jednoduchého diverzifikovaného portfolia (50 % kapitálu momentum v Nasdaq 100 + 50 % kapitálu krátkodobé short mean reversion) zobrazená v logaritmickém měřítku jako černá křivka vs. dlouhodobá výkonnost indexu Nasdaq 100 (šedá linka):

Jde o backtest, který pochopitelně nezaručuje stejné budoucí výsledky. Ale princip je zde jasný. Již jen toto portfolio dvou systémů snížilo volatilitu na polovinu při zvýšení výkonnosti. Portfolio indikuje průměrnou roční výkonnost 21,89 % (index Nasdaq 100 zobrazený šedou linkou 14,04 %) při maximálním drawdownu -18,48 % (index Nasdaq 53,44%).

Obě obchodní logiky jsou přitom velmi jednoduché, až triviální. Na svém účtu v rámci diverzifikace portfolia tímto způsobem kombinuji další logiky, které mají spolu fundamentálně nízkou korelaci.

Význam portfolia - shrnutí

Je patrné, že skládání aktiv s nízkou korelací do jednoho celku je cesta, která se vyplatí. Ať se zaměřujete na trading nebo investování. Zejména si tím na účtu snižujeme volatilitu a tak risk.

Diverzifikace přitom může mít řadu podob, se kterými se pojí různá efektivita, ale i různé náklady. Poskládání několika širokých ETF, kde budeme maximálně průběžně dokupovat pozice je cesta, která je velmi pasivní, časově a nákladově nenáročná. Jen je dobré jít do tohoto přístupu se správným očekáváním.

Dobrou službu mohou vytvořit i aktivněji řízená portfolia složená z obchodních systémů. V této oblasti je na druhou stranu potřeba připravit se na to, že je cesta spojena se získáním větších zkušeností, což vesměs s sebou nese vynaložený čas a nezbytné náklady.

Obsah článku:

• Co je to swing trading
• Swing trading se zaměřuje na extrémní situace
• Síla swingového tradingu vyniká při kombinaci systémů
• Swing trading - jak začít?
• Swing trading - na co nezapomínat
• Konkrétní swingová strategie s online backtesterem
• Systematická pravidla strategie

Co je to swing trading

Swing trading, v češtině také jako swingové obchodování, je obchodní strategie, která se zaměřuje na využití krátkodobých cenových pohybů neboli "swingů" na trhu. Typická délka držení pozice v rámci swing tradingu jsou dny, maximálně několik málo týdnů.

Obchodníci využívají toho, že i trendující trhy se pohybují v určitých „vlnkách“, pohupují se (angl. swing) kolem určité průměrné ceny. Pokud se obchodník naučí využívat těchto vlnek ke vstupu, může vydělat více, než když drží pozici dlouhodobě.

Podívejme se například na trh S&P 500 a jeho postcovidový býčí trend v roce 2021:

Na denním grafu je zřejmé, že trh prakticky nepřetržitě trendoval vzhůru (rostl). Současně se ale „pohupoval“, swingoval, okolo modré linky. Konkrétně v šedě vyznačené pásmu. Modrá linka představuje klouzavý průměr počítaný z posledních 20 denních uzavíracích cen (tedy průměrnou dvacetidenní cenu), šedé oblasti jsou pak definovány indikátorem Bollinger Bands. Tento indikátor počítá horní a spodní část šedého pásma jako rozdíl dvou standardních odchylek cenového pohybu od středové průměrné ceny.

Na první pohled je patrné, že se jeví jako potenciálně výhodné nakupovat trh v momentě, kdy se cena pohybuje u spodní hrany pásma a prodávat např. u horní hrany pásma. A to je již potenciální dobrý základ swing trading strategie.

Podobné situace se pak dají dále rozvádět do konkrétních swingových obchodních plánů, které budou obchodované situace popisovat jednoznačně. Například se můžeme zaměřit na trh v momentě, kdy cena uzavírá pod spodním bollingerovým pásmem a zde nakupovat (vstoupit do dlouhé pozice). A prodávat, když trh uzavírá nad horním bollingerovým pásmem (pro ilustraci jsem jednu takovou situaci vyznačil v screenshotu šipkami). Takový swingový plán dává smysl i statisticky. Jak jsme si řekli, bolingerovo pásmo vyjadřuje druhou standardní odchylku cenového pohybu okolo průměrné ceny. Druhá standardní odchylka říká, že existuje 95% pravděpodobnost (v případě normálního rozložení dat), že ceny budou ležet v tomto pásmu. Ceny trhu sice většinu času normální rozložení nenásledují, nicméně indikátory využívající např. právě standardní odchylky stále poskytují užitečný rámec pro analýzu relativního umístění aktuální ceny vůči nedávným cenám a pomáhají nám definovat „extrémní“ situace. A pokud do podobně extrémního poklesu nakupujeme, existuje ohromně vysoká pravděpodobnost, že trh bude vyčerpán a cena začne korigovat výše ke svému cenovému průměru.

Swing trading se zaměřuje na extrémní situace

Swingový obchodník není tedy v trhu neustále jako například investor, ale zaměřuje svou obchodní aktivitu jen na pečlivě vybrané obchodní situace. Vesměs takové, které vycházejí z určitého extrémního typu chování ceny. Extrémní situace jsou vesměs ty, kdy se trhy stávají méně efektivní a nabízejí vyšší příležitosti k výdělkům.

To s sebou přináší další velké pozitivum swingového tradingu. Kapitál je využíván efektivněji než při investování.

A kapitál, který není ve swingové strategii využíván, lze využít v jiné strategii…

Síla swingového tradingu vyniká při kombinaci systémů

Budete-li hledat jediný swingový systém pracující na jednom trhu, se kterým dlouhodobě porazíte například výkonnost S&P 500, bude to dost náročné a určitě méně jisté, než držet samotný index.

Podívejme se ovšem na situaci z jiného úhlu pohledu.

Dlouhodobý průměrný výnos z držení indexu S&P 500 je cca 10 % ročně. Abychom tento výnos realizovali, musíme mít v trhu zainvestován veškerý náš kapitál.

Pokud ale postavíte 8 swingových systémů, kdy každý bude vydělávat průměrně například 6 % ročně, budou v trhu například jen 10 % času (tj. budou využívat kapitál jen na 10 %), přičemž tyto systémy budou obchodovat v různou dobu, a mohou tak sdílet stejný kapitál, lze výkonnost držení indexu swingovým tradingem pravidelně porážet.

To je přesně princip, se kterým na Finančníkovi obchodujeme.

Vytváříme jednoduché obchodní přístupy, které sami o sobě nemají ambice výnosy z držení indexů výrazně překonat. Ovšem tyto swingové systémy skládáme do portfolií tak, aby se systémy doplňovaly a vhodně využívaly stejný kapitál. Výkonnost celku pak má vysokou šanci samotný index překonat, a vydělat tak mnohem více (a to i s přihlédnutím na fakt, že výnosy z držení indexu jsou v ČR po určité době držení osvobozeny od 15% daně z příjmu).

Zde je konkrétní ukázka síly swingového tradingu s využitím jediné swingové strategie, kterou obchodujeme long a short (jde o tzv. mean reversion strategii, kterou na Finančníkovi sdílíme jednak v Trading Roomu a současně i v podobě mean reversion otevřených kódů).

V grafu pocházejícím z dashboardu Trading Room, kde strategii následujeme den po dni, je vidět výkonnostní křivka swingové strategie SMR long (červená linka) a swingové strategie SMR short (zelená linka).  Ani jedna z těchto samostatných strategií index v podobě S&P 500 (šedá linka) výrazně nepřekonává. Jinak je to u celkového portfolia složeného ze SMR long a SMR short (černá linka). Celkem index (S&P 500) překonává výrazně.

Další podstatný ukazatel je kapitál, který bylo potřeba pro obchodování strategie vynaložit. Takto to např. sledujeme v Trading Roomu:

Vidíme, že přestože nastavené „portfolio“ (long a short strategie SMR) překonává index, stačí mu pro to průměrně využívat stále jen cca 50 % kapitálu (v grafu je vidět, že hodnota využití kapitálu nejde přes 100 % a není tak využíván ani margin).

A je tedy prostor pro zapojení dalších swingových strategií. Což je přesně to, co v praxi dělám. Obchoduji různé swingové strategie, na různých trzích a třeba s různou délkou držení pozic.

Swing trading – jak začít?

Výhodou swingových strategií je jejich jednoduchost. Pro prvotní testování je možné využívat bezplatná data např. z finance Yahoo. Swingové strategie lze testovat ručně, i když myslím, že dobrou cestou je od začátku zkoušet pravidla definovat systematicky tak, aby bylo možné systémy efektivně testovat na počítači. Což nemusí být složité. Např. pro otestování principu zmíněného v úvodu článku (nakupujeme pod bolingerovým pásmem, prodáváme nad ním) stačí v Amibrokeru následující kód:

Buy = C < BBandBot(C,20,2);
Sell =C > BBandTop(C,20,2);       

Swing trading – na co nezapomínat

U swingového obchodování je třeba myslet na to, že jediným parametrem pro posuzování „dobré strategie“ by neměl být jen absolutní či průměrný roční profit strategie. Důležité je přihlížet jednak k risk metrikám, ale také sledovat míru využití kapitálu strategií a korelace využití kapitálu s dalšími strategiemi v portfoliu. Protože právě princip, kdy swingové strategie využívají kapitál jen občas (pro obchodování extrémních situací), ale v portfoliu kombinujeme nad stejným kapitálem více swingových strategií dohromady, je vzorec k úspěchu.

Konkrétní swingová strategie s on-line backtesterem

Hledáte-li konkrétní inspiraci, jak se swingovou strategií začít, pak jedna z nejsilnějších taktik může být nákup krátkodobých poklesů v trendujících akciích. Této strategii se často říká také „buy the dip“ – nákup korekce.

Systematická Pravidla stategie

Sledujeme akcie určitého indexu (například Nasdaq 100) a zaměříme se na ty, které jsou v růstovém trendu (obchodují se nad klouzavým průměrem s periodou 200). U těchto akcií počkáme na pokles ceny o více než 3 % během jednoho obchodního dne. Následující den po poklesu zadáme limitní nákupní příkaz pod uzavírací cenu z předchozího dne.

Podrobné vysvětlení strategie naleznete v článku Obchodní strategie: nákup krátkodobých poklesů v akciích.

Nepřehlédněte odstavec s bezplatným on-line backtesterem, ve které si můžete zdarma otestovat drobné variace strategie a podívat se, jak se strategii aktuálně daří.

Nevíte, jak postavit obchodní systém? Nechte jej postavit umělou inteligencí, která čerpá z většiny informací týkajících se burzovního obchodování, které byly kdy publikovány. Stačí se česky ptát a základní AOS je za pár minut hotový.

Velké jazykové modely není jistě na Finančníkovi třeba představovat. Jde o modely jazyka založené na neuronové síti trénované na ohromném množství textu. Modelů, které můžeme využívat, existuje dnes celá řada. Patrně nejznámější jsou GPT od OpenAI, se kterými sám denně pracuji.

Tyto modely nepředstavují umělou inteligenci ve smyslu, že by měly nějaké vlastní vědomí. Ale jsou to nástroje, se kterými se dá již běžně komunikovat podobně, jako byste komunikovali s člověkem. S člověkem, který má ale načteno neuvěřitelné množství informací a tyto informace umí aplikovat skrz programovací jazyky na poskytnutá data. A tak například vytvářet a testovat obchodní systémy.

Je potřeba zdůraznit, že například GPT neumí postavit systém, který by stačilo pustit do trhů a vydělávat. Umí ale poskytnout množství inspirace. A skrz postupný dialog je možné dostat se k nuancím obchodních systémů, které jsou inovativní a které by člověka vůbec nenapadly.

Tady je jednoduchá ukázka, jak to vše funguje.

Sám používám chat GPT v jeho placené verzi, která stojí 20 dolarů měsíčně. V rámci této verze GPT je možné pracovat s modulem Advanced Data Analysis umožňující do GPT nahrávat vlastní data, která chat GPT použije pro analýzu:

Po zvolení modulu pro datovou analýzu už se stačí jen ptát. Můžeme začít velmi obecnou otázkou pro vytvoření mean reversion "z ničeho". Takto se zeptám GPT a nahraji mu příslušná denní data QQQ:

"Jsi zkušený systematický obchodník s velkou znalostí swingových obchodních systémů. Vytvoř long mean reversion systém s využitím dat QQQ. In sample 2010-2019. Pro vstup použij některý z oscilátorů a vystup poté, co se trh vrátí ke krátkodobému průměru. Vstupuj jen v situacích, které jsou z pohledu historických pravděpodobností extrémnější. Publikuj přehled pravidel systému. Proveď out of sample test od roku 2019. U každého testu vytvoř equity křivku a srovnej s výkonností QQQ (graf vytvoř šedě). Publikuj také tabulku s běžnými výkonnostními metrikami."

A GPT začne pracovat:

Odpověď GPT postupně pokračuje dál:

Výsledkem reakce chatu je první návrh konkrétní strategie, kdy se GPT rozhodl pro práci s indikátorem RSI a sám navrhl smysluplně vypadající kostru systému.

Kostra systému je v tuto chvíli triviální, ale vše se dá ovlivnit dalšími dotazy. Můžete zkoušet vytvářet podobné systémy na jakékoliv téma - různé arbitráže, breakouty, momentum strategie. Co vás napadne...

Všimněte si navíc boxíku "Finished working / Show work. V tomto boxíku se skrývá python kód, který GPT sám vytvořil:

Znalost Pythonu není pro práci s GPT nutná, protože kódy GPT vytváří a interpretuje sám. Nicméně pokud kódům alespoň částečně rozumíte, můžete se z nich jednak učit a také lépe GPT směřovat na další vývoj. Na Finančníkovi vyučujeme základy Pythonu posledních několik let, v TechLabu naleznete mnoho tutoriálů i několik minikurzů na osvojení základů práce s Pythonem. Chat GPT v praxi demonstruje, jak se výuka na Finančníkovi logicky uzavírá. I základní znalost Pythonu vám práci s nástroji typu GPT umožní neuvěřitelně akcelerovat. GPT můžete česky instruovat k vytváření kódů, které je v důsledku možné nasadit do autotraderu, který máme na Finančníkovi také v Pythonu.

Práce s GPT je o komunikaci. Je pravděpodobné, že první návrhy výsledků nevypadají smysluplně, grafy mohou být ve špatném měřítku. Ale GPT stačí říct a on pokračuje v konverzaci navrženým směrem. Například poté, co zobrazil první výsledky, jsem mu napsal, že graf QQQ není v dobrém měřítku (původně publikovaný graf nevypadal dobře) a hned mám opravené řešení:

Na equity křivkách jsou vidět in-sample a out-of sample testy strategie, kterou navrhl GPT a jejíž výsledky jsou srovnány s držením QQQ.

A tímto směrem můžeme v konverzi pokračovat dál. Můžeme například GPT požádat o shrnutí pravidel strategie a přepisu do skriptovacího jazyka Amibroker, který hodně pro práci se systematickými strategiemi požíváme:

GPT neumí skriptovací jazyk AFL programu Amibroker interpretovat a je velmi pravděpodobné, že ve skriptu budou chybky. Bývá to ale základ, se kterým můžete začít pracovat.

Mimochodem - v TechLabu, kde získáte praxi s Pythonem, vyučujeme i AFL skriptování. A 16.10.2023 spouštíme minikurz První strategie v Amibrokeru, který vás základy AFL provede. I v kontextu s ukázanými možnostmi GPT je patrné, jak hodnotné praktické znalosti v TechLabu získáte. GPT je možné používat pro solidní generování prototypů obchodních systémů. Know-how naučené v TechLabu vám pak pomůže prototypy dotahovat do produkční fáze.

Zpět ke GPT.

Komfort využívání podobných modelů tkví především v tom, že chat si udrží povědomí o provedené konverzaci. Jakmile GPT skončí s vytvářením základní verze systému, můžeme jej požádat, aby myšlenku rozvinul nebo třeba aplikoval v portfoliu. To vypadá takto jednoduše:

A takto vypadá vytvořený portfolio graf:

Zelená a modrá křivka jsou equity křivky strategie na trzích QQQ a SPY. Červená je výkonnost celého portfolia.

A tímto směrem lze pokračovat. Můžeme si nechat zkusit vytvořit prototypy breakout strategií, ty kombinovat s mean reversion a podobně.

Potenciál v této technologii je pro trading opravdu vysoký. Zejména pokud se dokážete ptát a rozvíjet odpovědi, které modely vrací. Chat GPT sám o sobě nepřijde zatím se systémem, který by byl použitelný tak, jak jej sám vygeneruje.  Ale dokáže inspirovat. Představte si, že byste o stavbě mean reversion systémů vůbec nic nevěděli. A jak je vidět výše, stačí pár otázek a rázem máte nejen představu, jak vše funguje, ale i konkrétní backtesty a kódy, se kterými jde dál pracovat. A takto jde postupovat v dalších oblastech. Potřebujete rozvíjet momentum strategie? Můžete s GPT diskutovat o momentum faktorech, které ostatní obchodníci ve svých systémech používají, nechávat je ověřit backtesty a smysluplně vypadající myšlenky implementovat například do Amibrokeru.

Podobná prostředí jsou z mého pohledu opravdu revolucí posouvající možnosti retailových obchodníků s omezenými budgety na vývoj a výzkum blíže k tomu, co si mohou dovolit různé instituce (které ale mají s vývojem také neuvěřitelné náklady na mzdy analytiků).

Úspěšné profitování na trzích je skutečně jen a pouze o dlouhodobém a systematickém vytěžování drobnějších pravděpodobností ve spojení s důslednou kontrolou risku. Nezbytným minimem je tak ověření, že obchodované pravděpodobnosti fungují. Bohužel v trzích nebudeme mít nikdy jistotu, jak se budou věci vyvíjet do budoucnosti. Můžeme si však ověřit, jakým způsobem vše fungovalo v minulosti. A věřit, že testované pravděpodobnosti se budou alespoň částečně opakovat i v budoucnu.

Základem profitabilního obchodování je proto tzv. historický backtest. Při něm aplikujeme sledované principy na historická data a vyhodnocujeme nejrůznější metriky testované strategie.

Když jsem s testováním trhů začínal, backtestoval jsem strategie ručně. Jednoduše jsem si zobrazil historický graf, procházel jej úsečku za úsečkou a hledal předem definované vstupní a výstupní situace. To ale bylo před několika desítkami let (neskutečné, jak čas letí). Ruční backtest je samozřejmě možný i dnes, ale maximálně jej nedoporučuji. Především je časově velmi náročný. Vesměs tak budeme backtestovat méně historie a určitě méně trhů. Ruční backtest bývá také velmi nepřesný. Naše mysl se bude zaměřovat hlavně na nejvíce viditelné ziskové situace a přehlédne mnoho ztrátových situací.

V dnešní době jednoznačně doporučuji backtestovat pomocí specializovaných programů. Do těch nadefinujeme parametry strategie a velmi rychle máme k dispozici podrobné historické statistiky.

Mnoho začínajících obchodníků se počítačovým backtestům brání. Odrazuje je nutnost pochopit pro ně nové principy ovládání příslušných programů, což určitě vyžaduje určitý nezbytný čas a samostudium. Současně také bývají po prvních počítačových backtestech rozmrzelí ze získaných výsledků. Testy jim často ukáží, že testované přístupy nejsou na historických datech výdělečné nebo vydělávají málo. A obchodníci mívají pocit, že ručně by dokázali situace zobchodovat mnohem lépe. Což je vesměs velmi naivní. Zejména pokud s obchodováním začínáte.

Časovou investici do studia počítačového backtestu jednoznačně doporučuji. Budete z ní těžit celou svoji obchodní kariéru. A pochopitelně to neznamená, že byste museli obchodovat automatizovaně. Počítačový backtest můžete použít i k získání jen základních dlouhodobě fungujících pravděpodobností, které následně můžete obchodovat ručně s využitím vlastního zvážení obchodovaných situací. A co je nejdůležitější. Jakmile se jednou pustíte do plně systematických backtestů s použitím počítačů, budou se časem vaše výsledky jen zlepšovat tak, jak se budete posouvat ve znalosti používaných nástrojů.

Jaký software pro backtest používat? Zde neexistuje jedna správná odpověď. Řešení dnes existuje opravdu hodně a vybere si každý. Doporučuji zvolit hlavně takový software, který má aktivní komunitu uživatelů, je hodně univerzální a není příliš drahý. Sám dnes používám nejvíce programy TradeStation (pro intradenní obchodování), Amibroker (pro swingové a portfolio systémy) a bezplatný programovací jazyk Python.

Začnete-li s Amibrokerem, myslím, že nesáhnete vedle. Program sice není zdarma, ale je velmi flexibilní. S vašimi rostoucími nároky na testované funkce budete objevovat stále další a další možnosti tohoto softwaru, který je opravdu dobře postavený. Ale pochopitelně není to svatý grál. Jako žádný software. Z počátku je určitě dobré vyzkoušet i další programy, abyste sami poznali, který vám bude vyhovovat nejvíce.

Pojďme si ukázat, jak na první backtest s Amibrokerem, abyste měli konkrétní návod, od kterého se odrazit.

Program je možné instalovat ve zkušební verzi z adresy https://www.amibroker.com/download.html. Pro základní backtest je program plně funkční, hlavním omezením je skutečnost, že data nejdou ukládat do databáze.

Po prvním spuštění se v programu zobrazí graf akcie AA, jejíž data jsou spolu s několika dalšími v programu k dispozici k testování:

Na této akcii si můžeme ukázat, že programový backtest není vůbec komplikovaný.

Zvolte v horním menu File > New > Formula a zobrazí se tzv. AFL Formula Editor. AFL je zkratka pro skriptovací jazyk, ve kterém se v Amibrokeru popisují testované situace.

Řekněme, že se rozhodneme otestovat edge popisovaný v rámci seriálu. Tedy držení pozice přes noc.  Například budeme chtít otevřít pozici na klesajícím dnu (tedy uzavírací cena trhu je nižší než otevírací) a vstoupit následující den při otevření trhu.

V Amibrokeru pro to můžeme použít následující kód:

Buy = C<O;
BuyPrice = Close;
Sell = False;
SellPrice = Open;
ApplyStop( stopTypeNBar, stopModeBars, 1 );

Funkce Buy definuje podmínku, při které pozici otevíráme (zde klesající úsečku). BuyPrice pak vstupní cenu (zde uzavírací cena trhu). Sell definuje podmínku výstupu. V naší ukázce nemáme tuto podmínku aktivovanou, protože pro výstup používáme tzv. časový stop-loss – výstup za určitý počet úseček. V našem případě druhý den, kdy pozici ukončujeme na otevírací ceně. Tu máme definovanou pomocí proměnné SellPrice.

Následně v editoru klikněte na tlačítko Analysis:

Kód se přenese do hlavního okna, kde se ujistěte, že budete backtestovat vybraný trh (Apply to nastavené na Current). A následně klikněte na tlačítko Backtest (1):

Jakmile test dojede, můžete si výsledky backtestu zobrazit kliknutím na ikonku Report (2).

Okamžitě byste měli mít k dispozici statistiky této testované situace na několika stech obchodech. A současně hotový první backtest. Gratuluji!

Vidíte, že systematický backtest s pomocí softwaru není nic nepřekonatelného. Nejdůležitější je nezastavit se před první překážkou a po kouskách se snažit posouvat dále. Co vám na začátku bude připadat nepochopitelné, budete za pár měsíců vnímat jako velmi triviální.

Velkým pomocníkem vám bude manuál Amibrokeru, ve kterém jsou na adrese https://www.amibroker.com/guide/ popsány všechny funkce, se kterými lze v programu pracovat. Chcete-li na začátku asistenci s ovládnutím programu pomocí konkrétních tutoriálů v češtině, pak na Finančníkovi nepřehlédněte kurz základů práce s Amibrokerem na adrese financnik.cz/go/amibroker.

A skutečně – není podstatné s jakým programem budete pracovat a kde se jej naučíte ovládat. Důležité je zejména začít a každý den se snažit posunout kupředu. V našem seriálu už jsme si ukázali několik zajímavých situací, které doporučuji, abyste si sami zkusili programově otestovat. Budete u toho muset vyřešit spoustu drobných úkolů a výzev, ale to je právě to, co vás bude jednoznačně posouvat kupředu k systematickým profitům.

A pokud si nebudete vědět rady, zkuste napsat na petr@financnik.cz a bude-li na téma více podobných dotazů, pokusím se odpovědi zpracovat do některého z dalších článků.

Chceme-li získat vyšší frekvenci obchodů a nesnižovat časový timerame, musíme přijít s dalšími obchodovatelnými situacemi. Naštěstí to není takový problém. Existují určitě desítky až stovky silnějších vstupních situací, které lze do našeho systému zapojit.

Jak na nové situace přicházet?

V seriálu vám představím základní šablony, se kterými sám pracuji a se kterými se vám budou trhy zkoumat jednodušeji. Faktem ale zůstává, že hlavním zdrojem vaší inspirace by měly být trhy samotné.

Je například možné hledat v historických grafech nejprve dny, kdy trhy vytvořily v noční seanci výraznější pohyb a následně se snažit pojmenovat kontext, který podobnému pohybu předcházel.

Velmi důležité je ale při podobném testování historických souvislostí dodržovat základní principy robustního testování.

Jeden z nejdůležitějších spočívá v rozdělení dat na část využívanou pro testování a část používanou pro následné ověřování nalezených principů.

Nalézt krásně fungující systémy na známých datech není vůbec žádný problém. De facto můžeme zkoušet různá nastavení nástrojů, indikátorů a cenových patternů a hned vidíme, co a jak v historii fungovalo. Tímto způsobem ale nacházíme pouze situace, které fungovaly v minulosti. A některé se nemusí vůbec v budoucnosti už vůbec nikdy opakovat.

Představte si například situaci, kdy provozujete luxusní obchod s vínem a snažíte se vyhodnotit, kteří zákazníci vám přinášejí nejvyšší zisky. Třeba proto, abyste se jim v budoucnu mohli více věnovat a jejich náklonnost podpořit exkluzivnějším dárkem. Rozhodnete se tak zanalyzovat nejvyšší historické prodeje v závislosti na vzhledu zákazníka. Máte například kamerové záběry svých prostor a zjistíte, že naprosto největší tržby přinesly klienti, kteří vstoupili do prodejny s bílou taškou. Nejnižší tržby pak generovaly klientky, které měli velké náušnice. Jsou podobná data relevantní i pro budoucnost? Patrně ne. Na historických datech můžeme najít různé náhodné vzorce, které ale byly skutečně jen to – prostě náhoda.

Abychom měli co nejvyšší šanci oddělit náhodu od opakovatelných vzorců, je potřeba myslet alespoň na následující body:

1. Zkoumaná situace by měla dávat logický smysl.
2. Potřebujeme dostatečný vzorek dat – ideálně sto a více testovaných situací.
3. Sledovaná pravděpodobnost by se měla projevit i na tzv. „nepoužitých datech“.

Hledání historických pravděpodobností je tak nutné provádět jen na části dat, která máme k dispozici (říká se jim InSample data – používá se zkratka IS). Zbylou část dat si necháváme na ověření funkčnosti myšlenky (těmto datům se říká OutOfSample data – používá se zkratka OOS).

Jak konkrétně dělit data na IS a OOS záleží z části na preferenci obchodníka a testovaných principech.

Osobně se snažím, abych měl v OOS šanci získat dostatečně vysoký vzorek dat. Také je ale velmi důležité přemýšlet o charakteru testovaného trhu. Nedává úplný smysl vytvářet strategii ve velmi volatilním období a následně se ji snažit ověřovat v tichém období.

Ze začátku si tak můžeme rozdělit data například na 60 % InSample a 40 % OutOfSample. Řekněme, že máte k dispozici 10 let, z čehož 6 použijete na vytváření strategie a 4 na finální otestování robustnosti na nepoužitých datech.

Postupem času je ale dobré i o této oblasti přemýšlet hlouběji a zkoumat i méně tradiční přístupy. Nikdo například netvrdí, že IS a OOS bloky musí být jen dva. Sám rád dnes dělím data do jemnějších bloků. Například mohu střídat IS/OOS bloky po 1 roku. V případě 10 let historie tak získám sekvenci:

IS (1 rok) – OOS (1 rok) – IS (1 rok) – OOS (1 rok) - IS (1 rok) – OOS (1 rok) – IS (1 rok) – OOS (1 rok) – IS (1 rok) – OOS (1 rok)

Technicky je takový test trochu náročnější, současně mi ale poskytuje výrazně vyšší šance, že půjde o relevantnější test. OOS perioda bude mít patrně mnohem podobnější celkový kontext k IS než v případě, že je mezi nimi delší období.

V tradingu je potřeba domýšlet detaily. Na druhou stranu je ale potřeba odněkud začít. Z počátku tak určitě stačí začít v případě IS/OOS pracovat s tradičním rozdělením například 60 % InSample a 40 % OutOfSample a teprve postupem času se posunout dál.

Nezapomínejte ale na to, že OOS data by měla být skutečně nepoužitá při stavbě strategií. To znamená, že bychom je v ideálním případě měli pro otestování systému vyvinutém na IS použít pouze jednou. Běžnou chybou obchodníků je, že naleznou určitou funkční kombinaci systému na IS datech, hned se přepnou na OOS data, zjistí že parametry nejsou optimální, a tak celý proces opakují – upraví systém na IS datech atd. Tím se ale z OOS dat stávají IS data a vytvořený systém nelze považovat za skutečně ověřený na historických datech.

Pojďme se v našem seriálu posunout k praxi. Pro většinu obchodníků to představuje první testování určitého konkrétního plánu. Tedy minimálně zahrnující jasné vstupy a výstupy.

My si později ukážeme, že se v našem přístupu nebudeme fixovat na jedinou vstupní situaci. Už jen proto, abychom měli systém více všestranný a obchodující s vyšší frekvencí. Ukážeme si také, že naše vstupy můžeme vytvářet na základě různých logik, a ty následně kombinovat dohromady – což opět povede k vyšší robustnosti. Mj. budeme postupně pracovat s cenovými patterny, indikátory, volatilitou, intermarket analýzou, sezónností a market internals.

Ale pojďme postupně. Dnes se bez většího vysvětlování zaměříme na využití indikátoru Bollinger Bands. Jednoduše proto, abychom získali konkrétní příklad, se kterým můžeme začít pracovat.

Bollinger bands statisticky definuje pásma, ve kterých cena osciluje okolo průměrné ceny. Dá se předpokládat, že na hranách těchto pásem mohou obchodníci přehnaně reagovat – například prodávat, pokud cena příliš poklesne nebo agresivně nakupovat, pokud cena roste až k hornímu pásmu bollinger bands. Takové chování by pak mohlo být kompenzováno v noční seanci.

Ukázka aplikovaného indikátoru Bollinger bands na trh SPY v programu Amibroker.

Konkrétní vstupní situace může vypadat takto:

LONG: Trh uzavře pod včerejším denním Low a současně pod spodní linkou indikátoru BB s parametry 14 a 1,5. Současně je trh nad svým dlouhodobým klouzavým průměrem s periodou 200.

V případě programu Amibroker, který sám nejvíce pro podobné testy používám, můžeme danou situaci popsat následovně:

C<Ref(L,-1) AND C<BBandBot( C, 14, 1.5) AND C>MA(C,200);

SHORT: Trh uzavře nad včerejším denním High a současně nad horní linkou indikátoru BB s parametry 14 a 1,5. Současně je trh pod svým dlouhodobým klouzavým průměrem s periodou 200.

V případě programu Amibroker můžeme danou situaci popsat následovně:

C>Ref(H,-1) AND C>BBandTop( C, 14, 1.5) AND C<MA(C,200);

Long obchod znamená, že na close denní úsečky trh nakupujeme a pozici držíme do otevření trhu následující den. Short obchod znamená, že na close denní úsečky trh prodáváme (shortujeme) a pozici držíme do otevření trhu následující den.

Systém už v této fázi obchoduje na dlouhou i krátkou stranu, což je přístup, který u takto krátkodobých systémů doporučuji. Minimálně je to cesta k vyšší robustnosti.

 Co se týče uvedených kódů popisujících vstupní situace, jde o skriptovací jazyk programu Amibroker. S jeho pomocí lze jednoznačně popsat obchodované situace, které se občas zdlouhavě popisují běžnými větami. Programování v Amibrokeru není při vytváření systému vůbec potřeba. Můžete použít jiný program nebo třeba testovat situace ručně. Aby byl ale výklad co nejjednoznačnější, tak jsem jej doplnil právě i hotovými podmínkami skriptovacího jazyka. Sami nakonec vidíte, že definování příslušných situací není vlastně vůbec složité.

Ohromnou výhodou definování systému skripty je možnost myšlenku otestovat na velkém množství dat během pár vteřin.

Takto vypadá náš backtest aplikovaný na trh SPY v období 1.1.1994 – 1.1.2019:

Systém obchoduje na long i short stranu. Celkem bylo provedeno 335 obchodů s úspěšností 65,67 %. K dispozici máme i podrobné statistiky:

Určitě se vám nyní honí hlavou – jak dobré jsou dané výsledky? Kolik jsem mohl vydělat na svém konkrétním účtu? Ale brzděte prosím tyto myšlenky. Jsme opravdu zatím na úplném začátku!

Předně – v tuto chvíli testujeme zatím jedinou vstupní situaci, přes kterou jsme vstoupili do 335 pozic v průběhu 24 let. Tedy obchodovali jsme průměrnou frekvencí jen lehce přes obchod za měsíc. A v tu dobu náš kapitál pracoval vždy jen přes noc… Přesto systém vytvořil skoro poloviční zhodnocení, jako kdybychom drželi celou dobu nakoupený samotný index, ale při podstatně nižším risku. Rozhodně je to velmi povzbudivý start, který nám ukazuje další směr – je potřeba zejména zapracovat na zvýšení frekvence obchodování.

Přestože jednoduché obchodování základního edge popsaného v minulém článku by v dlouhodobém horizontu patrně přineslo zisky samo o sobě, nepředstavuje popsaná výhoda ještě obchodní plán. Už jen proto, že zisky jsou poměrně malé v porovnání s riskem, který bychom pro jejich získání podstupovali. Aby bylo možné myšlenku reálně obchodovat, je potřeba ji posunout do kompletního obchodního systému.

Obchodní systém představuje soubor pravidel, která popisují, jak budeme danou myšlenku obchodovat. Tj. jak přesně budeme vstupovat a vystupovat, abychom měli co nejvyšší šanci vydělat a současně mohli rozumně kontrolovat risk.

Zjednodušeně bychom si práci na obchodním systému mohli rozdělit do následujících bloků:

• Definování základní obchodované výhody (v našem případě noční sezónnosti v akciových indexech popisované v minulém díle).
• Jemné definování vstupních podmínek. Přestože jsme viděli, že dlouhodobě vydělává vstup do všech nočních seancí rostoucích trhů, budeme si chtít vybírat jen takové situace, které historicky vedou k rozumně vysokým profitům.
• Definování výstupních pravidel.
• Risk management obchodu. Kolik kapitálu budeme riskovat na jeden obchod? Budeme risk v obchodu omezovat tzv. stop-lossem? Na jaké úrovni?
• Money-management celého systému, který nám odpoví, s jakým celkovým kapitálem budeme systém obchodovat.
• Ověření robustnosti vytvořeného systému.
• Způsob provádění obchodů. Jak konkrétně budeme příkazy zadávat? Ručně, automaticky, typy příkazů atd.
• Průběžné ověřování robustnosti systému. Každý systém může přestat pracovat a my se musíme průběžně ujišťovat, že „nejedeme na mrtvém koni“.

Je toho skutečně dost, co musíme v rámci obchodovatelného přístupu promyslet. Na druhou stranu budeme riskovat v trzích naše tvrdě vydělané peníze, takže patřičná příprava je na místě. Jen bláhoví začátečníci se vrhají do trhů bezhlavě a narychlo. Dlouhodobě robustní a ziskové obchodování se vytváří jednoznačně přes dobře připravený a propracovaný obchodní plán.

V našem seriálu se postupně k jednotlivým blokům dostaneme. Pojďme na to ale postupně. Základní obchodovanou výhodu jsme si představili minule. Dnes se pojďme podívat na definování vstupních a výstupních podmínek.

Začněme výstupními podmínkami, protože ty si můžeme nastavit, hlavně z počátku, velmi jednoduché. Jak jsme si ukázali minule, pozici budeme chtít uzavřít při otevření trhů v den následující po našem vstupu. Určitě budeme chtít na výstupech později ještě pracovat. Například budeme pilovat čas výstupu – mně osobně se osvědčuje v podobných případech vystupovat například minutu či dvě před samotným otevřením trhů (obchody provádím pomocí komoditních kontraktů, které se obchodují prakticky nonstop). Později můžeme do systému dodělat i nějakou jemnější logiku výstupu z trhů na základě chování ceny v průběhu noční seance. Ale pro začátek pracujme s výstupem za otevírací cenu. Obecně se mi podobná počáteční fixace některých částí obchodního systému velmi osvědčila. Běžně například vyvíjím systémy s určitými vyzkoušenými výstupy, abych mohl co nejdříve začít backtestovat samotné vstupy.

Co se vstupních situací týče. Už jsme si otestovali, že budeme chtít vstupovat při uzavření trhů. Opět nechme v tuto chvíli stranou, jak konkrétně to budeme technicky dělat. V backtestu můžeme pro začátek počítat za vstupní cenu tu cenu, na které trh daný den uzavřel.

Můžeme se tak naplno soustředit na základní otázku – kdy vstupovat, aby byly profity největší a risk nejmenší?

Prakticky jediný nástroj, který nám dá na danou otázku odpověď, je historický backtest. Na historických datech bychom měli zkoumat různé situace v trhu a vyhodnocovat, jak se po nich choval trh v noční seanci.

Například se podívejme na dvě zcela hypotetické situace:

a)     Nakupujeme close klesajícího dne, který uzavřel pod low předchozího dne

b)     Nakupujeme close růstového dne, který uzavřel nad high předchozího dne.

Otestuji-li historii trhu SPY, pak získám následující údaje:

Test proběhl na trhu SPY v období 1.1.1994 – 1.1.2019. Použit byl hypotetický startovací kapitál 10 000 USD, 50% margin a plná expozice účtu v každém obchodu. Komise brokera Interactive Brokers započítány.

Jak vidíte, obě situace vedou ke zcela odlišným výsledkům. V momentě, kdy trh v průběhu dne rostl a nakonec uzavřel nad maximální cenou předcházejícího dne, existuje výrazně nižší pravděpodobnost dalšího růstu trhu v noční seanci (jen 43,83 %). Dlouhodobé obchodování této situace by bylo výrazně ztrátové. Na druhou stranu v momentě, kdy akciový index klesá a uzavře níže, než byla nejnižší cena včerejšího dne, existuje solidní šance (59,03 %), že noční seance poroste. Dlouhodobé obchodování této situace by bylo profitabilní.

Velmi tedy záleží, které dny budeme obchody otevírat. Náš cíl bude najít takové vstupní podmínky, které povedou k co nejvyšší ziskovosti a nejnižšímu risku. Čísla mohou být určitě mnohem lepší než na výše uvedeném velmi triviálním příkladu.

Samozřejmě se ale nabízí zásadní otázka:

Budou se historické pravděpodobnosti opakovat i v budoucnosti?

Pokud vás otázka také hned napadla, jste jednoznačně na dobré cestě stát se profitabilními tradery. Určitá zdravá skepse je v tradingu absolutně nezbytná.

A bohužel, není žádná záruka, že se historická výkonnost bude opakovat i v budoucnosti. Současně však nemáme k dispozici příliš mnoho jiných možností, od kterých se v obchodování odrazit.

Je tak třeba:

1. Pracovat s testováním historie tak, abychom se maximálně vyhnuli tzv. přeoptimalizaci. Tedy nalezení řešení, které perfektně popíše minulost, ale nebude robustní v budoucnosti.
2. Pracovat s dostatečným vzorkem dat. Čím více historických obchodů, tím větší šance, že naše výsledky budou opakovatelné i v budoucnosti. Určitě je dobré vyhodnocovat alespoň stovky obchodů. Desítky obchodů nepředstavují dostatečný vzorek.
3. Použít statistické nástroje, které nám usnadní identifikovat robustnost vytvářeného systému.
4. Při finálním obchodování systému používat přístupy, které nám pomohou identifikovat odchylky v chování systému a možnou situaci, kdy systém přestat obchodovat.

Vidíte, že témat máme před sebou hodně a postupně si je v seriálu probereme podrobněji.

Jak vytvořit funkční obchodní systém? Pojďme si v sérii článků společně jeden postavit. Od nalezení obchodovatelné myšlenky až k reálným obchodům. 

Než začneme vytvářet obchodní systém, měli bychom mít základní myšlenku, jaký typ obchodního systému plánujeme vytvořit. Intradenní systém držící pozice max. pár hodin? Krátkodobý swingový systém obchodující pozice v horizontu max. dnů? Dlouhodobější obchodní systém?

V principu platí, že čím rychlejší systém budeme mít, tím více můžeme vydělat. Ale s přibývající rychlostí systému bude vše výrazně náročnější na technologie a zkušenosti s vyhodnocováním robustnosti a průběžnou adaptací měnícím se trhům. Jako nejrozumnější mi přijde začít stavět systémy s použitím denních grafů. Už jen proto, že data jsou k dispozici běžně zdarma a pro jejich zpracování nám stačí často jednoduché nástroje typu Microsoft Excel.

Odkud začít při stavbě obchodního systému?

Nejlépe od nějaké základní hrubé výhody, která je v trzích přítomna dlouhodobě. Spoustu jich lze nalézt v různých akademických studiích, ale také vlastním testováním trhů na základě jejich průběžného pozorování.

My se zaměříme na běžně obchodované americké akciové indexy. Jde o trhy, na kterých se dají vytvářet profitabilní strategie poměrně snadno. Současně jde o hodně obchodovatelné trhy a není problém do nich umístit prakticky jakékoliv množství kontraktů (z pohledu retailových traderů).

Jedna z mých oblíbených cest, jak v trhu najít základní výhodu, je studium sezónnosti. Určitého základního vzorce chování ceny, který se opakuje v průběhu času. Sezónnost může být dlouhodobá – například v podobě měsíční tendence trhu růst nebo oslabovat v určité roční období. Ale i výrazně krátkodobější. Například denní tendence (viz například článek Pravidelné profity pomocí sezónnosti popisující zajímavou sezónnost ve zlatě). Nebo i krátkodobější. Některé trhy se opakovatelným způsobem chovají stejně v určité hodiny.

Krátkodobá sezónnost, na kterou se zaměříme v našem seriálu, vychází z rozdílného chování akciových trhů v denní vs. noční seancí.

Denní seance amerických akciových indexů odpovídá době, kdy jsou v USA otevřeny akciové burzy. Tedy 15:30 – 22:00 českého času (kromě dvou krátkých období, kdy se v USA a Evropě mění jindy letní/zimní čas). Noční seance představuje zbylá část dne. Akciové trhy jsou zavřeny a indexy se obchodují jen prostřednictvím odvozených kontraktů jako jsou například futures (komoditní kontrakty).

Většina obchodníků má správnou obecnou představu o dlouhodobé růstové tendenci v akciových indexech (s občasnými velkými propady v průběhu krizí). Odehrává se ale hlavní růst v denní nebo noční seanci? To jsou přesně ony základní myšlenky, které byste měli sami testovat a které vás dovedou k vytváření obchodních plánů.

Otestování podobné myšlenky je velmi jednoduché. Lze použít data z Yahoo a například MS Excel. Nebo ještě lépe specializovaný software typu NinjaTrader, TradeStation nebo v mém případě Amibroker. V těch je daný test otázkou doslova několika málo minut.

Pro test použiji data trhu SPY, což je ETF (prakticky akcie fondu) silně korelující s indexem S&P 500. Data trhu se dají snadno stáhnout například na Finance Yahoo - https://finance.yahoo.com/quote/SPY/ (záložka Historical Data > Download Data). Pozn.: Tento trh se aktuálně nedá obchodovat u evropských brokerů kvůli regulaci EU, což ale v tuto chvíli nevadí. Finální systém budeme moci obchodovat několika alternativními způsoby.

Denní vs. noční seance

Noční seance je u amerických akciových indexů obchodníky spíše přehlížena (zejména těmi, kteří jdou s davem).

Jak ale vypadá hypotetický scénář, kdy bychom drželi SPY přes den, vs. situace, kdy bychom drželi trh přes noc?  To vše v případě rostoucího kontextu trhu, který vyjádříme jako situaci, kdy trh uzavírá nad svým dlouhodobým klouzavým průměrem 200. 

Tedy testujeme dvě základní období trhu:

a)    Nakupujeme SPY za otevírací cenu a prodáváme stejný den za uzavírací cenu.
b)    Nakupujeme SPY za uzavírací cenu a prodáváme následující den za otevírací cenu.

To vše v kontextu, kdy je uzavírací cena trhu výše než klouzavý průměr z uzavíracích cen za posledních 200 úseček.

Takto vypadá backtest situace a) – obchodování denní seance v období 1.1.2000 – 19.4.2019:

A takto backtest situace b) – obchodování noční seance v období 1.1.2000 – 19.4.2019:

Na první pohled je vidět ohromný rozdíl ve výkonnosti a jednoznačný závěr – dlouhodobý růst akciového indexu S&P 500 probíhá především v noční seanci.

Sezónnost si můžeme ověřit i na starších datech, která mám v Amibrokeru k dispozici, konkrétně od roku 1994:

Takto vypadá backtest situace a) – obchodování denní seance v období 14.6.1994 – 19.4.2019:

Takto vypadá backtest situace b) – obchodování noční seance v období 14.6.1994 – 19.4.2019:

Jak je vidět, popisovaná sezónnost je opravdu výrazná. Na maximální historii vidíme výrazně vyšší počet ziskových obchodů oproti ztrátám (53,72 % vs. 46,28 %) při vyšším průměrném ziskovém obchodu, než je průměrná ztráta. To je určitě solidní základní edge, který se můžeme pokusit rozvinout do konkrétního obchodního přístupu. Tomu se budeme na Finančníkovi věnovat v dalších článcích. Do té doby ale doporučuji, abyste se sami pokusili o využití popisovaného principu přemýšlet a nápady testovat. Protože právě podobná praxe je to, co posouvá tradery kupředu.