Drawdown v obchodování

Úspěšnost obchodovaného systému poměřuje většina začínajících obchodníků skrz vydělané peníze zobrazené v historických obchodech, tj. nejčastěji v backtestu. To však není zdaleka optimální přístup. Jaké nejběžnější metriky máme k dispozici a na které se zaměřovat?
Jakmile se pustíme do systematické práce na obchodních strategiích, získáme k dispozici mnoho statistických ukazatelů o jejich historické výkonnosti. A je jedno, jestli pocházejí z ručně vytvářeného backtestu analyzovaného pomocí Excelu, nebo z automatizovaného backtestu.
Přehled může vypadat jako ten publikovaný na obrázku:

Jde o report historické výkonnosti testované intradenní strategie a na první pohled máme k dispozici spoustu informací (a to ještě na screenshotu nejsou zobrazeny všechny). Není divu, že začínající obchodníky mohou podobné statistiky vystrašit a raději se jimi příliš nezabývají.
Dobrou zprávou je, že pro vyhodnocování systémů nepotřebujeme sledovat všechny publikované informace. Je ale potřeba si vybrat ty nejrelevantnější, což bohužel většina obchodníků nedělá.
Pojďme si projít postupně nejběžnější metriky a popsat si, jak je interpretovat.
Důležité je začít u počtu obchodů. Pro jakékoliv analýzy potřebujeme dostatečně reprezentativní vzorek dat. Minimálně bychom měli pracovat se sto obchody. V případě intradenních strategií ale rád analyzuji systémy, které mají nejméně několik set obchodů. Na publikovaném screenshotu je vidět, že daná strategie má 723 historických obchodů (365 na dlouhou a 358 na krátkou stranu), což je již solidní počet. Jinými slovy – pokud máme k dispozici jen několik málo desítek obchodů, tak nemá smysl se ani snažit je nějak statisticky analyzovat.
Hodně začínajících obchodníků upírá pozornost k procentuální úspěšnosti obchodů. Ta udává poměr ziskových a ztrátových obchodů. Na první pohled se zdá, že čím vyšší úspěšnost, tím lépe. Vždyť co může být lepšího, než obchodovat například s 80% úspěšností. Ta přeci znamená, že z deseti obchodů budeme mít průměrně osm zisků a jen dvě ztráty. Bohužel ale úspěšnost obchodů zisky nezaručí. V praxi totiž záleží na tom, jak velké budou průměrné zisky a jak velké průměrné ztráty. Vesměs platí, že systémy s vysokou úspěšností mívají ohromné množství malých zisků a občasné velké ztráty. Procentuální úspěšnost tak v důsledku nepředstavuje moc důležitý údaj. V praxi je dobré nezacházet v úspěšnosti do extrémů. Sám nejraději obchoduji systémy s úspěšností někde kolem 40 – 70 %. Ale jak jsem uvedl – konkrétní úspěšnost nemá souvislost s tím, kolik budeme vydělávat. Spíše se pojí s různými obchodními styly. V některých obchodujeme aktivněji pro častější menší profity, a tudíž vyšší úspěšnost (a musíme se tedy připravit na občasnou vyšší ztrátu), v jiných obchodujeme pro větší, ale méně časté zisky (a musíme se tak připravit na dlouhé série období, kdy systémy nebudou vydělávat).
Studujeme-li procentuální úspěšnost, je potřeba se ještě dívat na velikosti průměrného risku vůči průměrnému zisku. Tyto tři hodnoty nám již dokáží poskytnout určitou představu, kolik vyděláme. Ovšem stále je to spíše jen orientační popis cesty, jak se dostaneme ke konkrétnímu zisku vycházejícímu v daném systému.
Mnohem důležitější jsou pro mne informace týkající se risk profilu strategie. Pro jeho sledování používám nejvíce tzv. sharpe ratio. Pokud jste se zatím ve světě obchodování příliš nepohybovali, patrně jste o něm vůbec neslyšeli. A je tak dobré, že jste se o něm dozvěděli již nyní. Až s překvapením sleduji, kolik obchodníků, často již riskujících reálné peníze v trzích, nemá o významu této metriky ani potuchy. Často je to proto, že jim přijde příliš vědecký už samotný název (který se moc často nepřekládá do češtiny, byť se občas používá označení sharpeho poměr) a z principu používají metriky, které jim přijdou srozumitelnější, byť nemají příliš vypovídající hodnotu – jako třeba výše uvedená procentuální úspěšnost.
Síla sharpe ratia je v tom, že posuzuje výkonnost strategie v kontextu dosaženého risku. Konkrétně tak, že je ve výpočtu zohledněna historická volatilita strategie. Tedy to, jak hodně kolísal stav účtu strategie v průběhu roku. Představte si strategii A, která dosáhne zhodnocení 30 %, v průběhu roku bude ale účet strategie běžně lítat nahoru a dolu o 50 %. Oproti tomu můžeme posuzovat strategii, která dosáhla stejného zhodnocení, ale s mnohem nižší volatilitou – účet strategie například běžně lítal jen o 15 %. Strategie B bude mít mnohem vyšší sharpe ratio než strategie A. Sharpe ratio tedy do velké míry vypovídá o stabilitě obchodních výsledků strategie, což je jeden z hlavních parametrů, který by nás měl v obchodování zajímat.
Konkrétní výpočet sharpe ratio není důležitý, neboť jej většina programů dělá za nás (byť některé to dělají zvláštně a je dobré se vždy zajímat, jak konkrétně je výpočet prováděn – viz poznámka na konci článku). Pokud se chcete ponořit v pochopení této metriky trochu hlouběji, zde je stručný popis výpočtu. Počítáme-li denní sharpe ratio, použijeme průměrné denní zhodnocení a vydělíme jej standardní odchylkou denních zhodnocení. Hodnotu anualizujeme tak, že výsledek vynásobíme odmocninou z 252 (protože rok má přibližně 252 obchodních dnů). Občas se pracuje s trochu přesnějším výpočtem, který místo dosahovaného absolutního průměrného zhodnocení používá dosažené zhodnocení mínus běžná úroková míra dluhopisů. Sharpe ratio se také často používá na měsíčních datech. Tuto metriku používám zejména při posuzování systémů v portfoliích, kdy mě zajímá nejenom průměrné měsíční zhodnocení systémů, ale také jejich volatilita. A o tom přesně sharpe ratio vypovídá.
Výše uvedený způsob výpočtu jsem uvedl skutečně jen pro ty obchodníky, kteří chtějí metrice lépe porozumět. Z počátku stačí používat samotný výstup metriky. U sharpe ratio platí, že čím vyšší číslo je, tím lepší. Nicméně pokud je číslo až moc vysoké, je velmi pravděpodobné, že naše testy nejsou příliš realistické a jsou přeoptimalizované. Sám mám rád, když se sharpe ratio dlouhodobých výsledků pohybuje přibližně v rozmezí 0,9 a 2,5. Pokud tedy zbacktestuji systém a ten má velmi hezké zhodnocení, ale sharpe ratio 0,3 tak jej obchodovat nebudu. Jednoduše proto, že cesta k dosažení výsledků bude velmi kostrbatá (volatilní).
Samozřejmě existují i další ukazatele, které u statistik obchodů sleduji. Důležitá je hodnota průměrného obchodu. Číslo by mělo být dostatečně vysoké na to, aby schovalo různé chyby a zejména skryté náklady obchodování. Ty se projevují skluzy v plnění. V reálném světě nebudeme obchodovat za ceny, které nám vycházejí v testech. Často například vystoupíme z pozice o trochu hůře než nám ukazuje logika systému na statistických datech. Průměrný obchod musí být dostatečně velký na to, abychom podobné extra náklady na obchod dokázali vstřebat a stále vydělat.
Velmi důležitým parametrem je drawdown. O tom jsem podrobně psal v článku Drawdown v obchodování. Drawdown představuje pokles kapitálu strategie od nejvyššího stavu našeho účtu. V reálném obchodování jsme v nějakém drawdownu prakticky neustále, neboť žádná strategie netvoří neustálé nové přírůstky účtu, ale prochází i sériemi ztrát. Při posuzování drawdownu nás ale vesměs zajímají největší drawdowny. Byť vždy platí, že nejvyšší drawdown strategie je ten, který nás teprve čeká. Ve svých analýzách sleduji pět historicky nejvyšších drawdownů. A to jak z pohledu jejich procentuální hodnoty, tak délky trvání. Drawdown 50 % o délce 260 obchodních dnů například znamená, že obchodní účet dané strategie spadl ze svých maxim v určitém okamžiku na polovinu a trvalo více než rok, než systém začal tvořit nová maxima. Pokud analyzujeme historickou výkonnost systému před jeho nasazením do živého obchodování, tak tato informace také znamená, že po spuštění strategie můžeme přijít o polovinu peněz, strategie bude rok prodělávat a to vše bude v intencích historicky zbacktestovaných pravděpodobností. Drawdown tak představuje velmi důležité vodítko obchodovatelnosti strategie. Sám se snažím obchodovat strategie s očekávaným drawdownem do přibližně 30 %. Zde je dobré připomenout, že historická výkonnost se nikdy nebude zcela přesně opakovat v budoucnu a u všech parametrů musíme počítat s možnými odchylkami. Podrobněji jsem na toto téma psal v článku Nejistota a trading.
Výše uvedené parametry představují ty nejzákladnější, které sám při posuzování obchodních systémů používám. Nejprve se tedy podívám, jestli statistiky dávají smysl z pohledu počtu obchodů, letmo shlédnu také průměrnou velikost obchodu. Dále se zajímám o hodnotu drawdownu a především o stabilitu obchodního systému interpretovanou pomocí sharpe ratio.
Pokud vypadá vše nadějně, zajímám se samozřejmě i o další, podpůrné parametry. Zajímá mě průměrné roční zhodnocení, a to zejména ve vztahu k expozici kapitálu (tedy jak často byl obchodní kapitál umístěn do trhu). Zejména u pozičních systémů zkoumám průměrný počet dnů v pozici. Do živého obchodování se snažím upřednostňovat ty systémy, které držely pozici kratší dobu. V neposlední řadě je vhodné podívat se i na nejvyšší velikosti ztrát a zisků. Není moc dobré, pokud byl některý z pěti nejvyšších drawdownů způsoben jediným obchodem a stejně tak nejsem rád, pokud byla výrazná část ročního profitu vytvořena jediným ziskem.
Výkonnost systémů lze posuzovat s použitím dalších různých metrik. Nicméně pokud začnete s výše uvedeným výčtem, tak budete mít jednoznačně základní potřeby velmi dobře pokryté.
TIP: Pracujete-li s Amibrokerem, tak při vyhodnocování sharpe ratia narazíte na to, že hodnoty jsou u některých systémů nezvykle nízké. Je to z důvodu, že Amibroker počítá sharpe ratio z obchodů a nikoliv stavu účtu (equity). Sám tak v Amibrokeru počítám denní i měsíční sharpe ratio pomocí CBT právě z equity systémů a ve svých analýzách se orientuji pomocí takto získaných hodnot. Pokud jste zapojeni do skupiny "technické asistence", tak v průběhu týdne publikuji do TechLabu video tutoriál, jak konkrétně si podobný kód v Amibrokeru nastavit.

Jsou chvíle, kdy na nás grafy působí, že se trhy řítí do nejhorší krize všech dob. A i s našimi obchodními systémy, které si v dané chvíli procházejí drawdowny.
Jednu takovou prožívá mnoho traderů právě nyní. Koncem února 2020, kdy trhy začaly panicky reagovat na zprávy o šířícím se koronaviru.
SPY ještě v polovině minulého týdne atakovalo nová maxima, aby během několika málo dnů ztratilo v jeden okamžik více než 15 % své hodnoty.

Pokud stejně jako já obchodujete v portfoliu také systémy držící dlouhé swingové pozice v akciích, pak samozřejmě podobný pokles indexů vesměs vyvolá i pokles výkonnosti systémů a drawdown. Možná až takový, že přemýšlíte o tom, jestli raději systémy nevypnout proto, že pokles může pokračovat a vy byste tak ochránili alespoň zbývající kapitál.
Samozřejmě, že v hloubi duše mívám občas podobné myšlenky. Ale dvacet let v trzích mě naučilo, že trhy se často chovají jinak, než bych si přál. Vím, že neumím předvídat nepředvídatelné a to, co obchoduji, jsou pravděpodobnosti. Pokud dnes své systémy vypnu a příští týden přijde nejhorší pokles na burze za posledních 100 let, budu se cítit jako vítěz. Pokud ale nastane zotavení trhů, přijdu o poměrně dost peněz a budu litovat, že jsem na systémy sahal. Krátkodobý výsledek impulzivní reakce může být jakýkoliv, z dlouhodobého pohledu však jakákoliv akce naruší dlouhodobé pravděpodobnosti, se kterými generuji své profity.
Je dobré si uvědomit, že s penězi v trzích prožíváme často situace mnohem dramatičtěji, než když jen zpětně studujeme stejně hluboké poklesy na historických grafech. Ostatně podívejme se na aktuální trhy z pohledu měsíčních grafů:

Pro lepší orientaci jsem do grafu vložil i indikátor Bollinger bands zobrazující druhou standardní odchylku od průměrné ceny. Tedy oblasti, ve které je zcela běžné, že se trh pohybuje. A sami vidíme, že aktuální pokles představuje spíše návrat k „průměrné ceně“ poté, co trh opravdu dlouhodobě rostl.
Jinými slovy – pokud bychom stejnou situaci studovali na historických grafech, například při přípravě našeho systému, patrně bychom ji ani nezaregistrovali. 
Přitom reálné prožívání daného pohybu je úplně jiná káva. Proč to tak je?
V reálných trzích na nás působí dynamika pohybu. Poklesy trhů bývají rychlé. Mimochodem – tento byl opravdu extrémně rychlý, ovšem na Finančníkovi průběžně píši o tom, že rychlost padajících trhů se postupem času zvyšuje (zprávy se šíří rychleji, obchoduje se rychleji, mnoho obchodů je automatizovaných a roboti reagují na vysoké pohyby atd.). Navíc si pokles trhů spojujeme se zprávami, které kolují kolem nás. A mnoho z nich má stále poplašnější a paničtější charakter. V době psaní těchto slov sám trávím tradičně zimu na Lanzarote, kde si život plyne svým slunečným tempem. Ale také na mě pochopitelně působí zprávy, jak v Čechách lidé údajně vykupují obchody a připravují se na konec světa. Toto vše ovlivňuje a nahlodává naši psychiku a vede k myšlenkám, jestli raději obchodování aktivních systémů nepřerušit.
Jenže dvacet let v trzích mě naučilo, že rozhodnutí, která děláme ve strachu a panice, jsou ta nejhorší.
Jedním z hlavních důvodů, proč jsem postupně přešel na systematické obchodování je právě to, že mi dovoluje následovat připravený obchodní plán a podobné improvizace neřešit (protože vím, že v důsledku mi přinesou stejně jen ztráty). Všechny mé obchodované systémy samozřejmě obsahují otestované prvky risk managementu a coby trader je potřebuji jen následovat.
Ovšem na druhou stranu je pravda, že mé portfolio aktuálně nijak nekrvácí, byť jsem v akciích přišel o část letošních zisků (pochopitelně).
A to je další extrémně důležitá část celé skládačky.
Pokud se s některou svou strategií cítíte v drawdownu extrémně nepohodlně, patrně ji obchodujete příliš agresivně s ohledem na svůj účet nebo zkušenosti.
Nezkušení obchodníci mají bohužel tendence risk podceňovat. Snaží se maximalizovat výnosy například s použitím co nejvyšší páky a mají pocit, že risk je neohrozí. V okamžiku, kdy přijde první reálný drawdown (který ani nemusí přesahovat drawdowny z backtestů) se ale zaleknou a strategie přestanou obchodovat.
Pokud se ocitnete v situaci plné pochyb o tom, jestli strategii obchodovat dál s ohledem na určité turbulentní období v trzích, doporučuji zrevidovat kapitálovou expozici, s jakou strategii obchodujete. Dost jsem se tomu věnoval ve webináři, který jsem pořádal minulý týden. Všechny obchodní systémy mají určité základní charakteristiky výnosu a risku, které předurčují jejich pravděpodobnosti budoucího vývoje – tj. kromě všeho i drawdowny, které musíme podstoupit (a nezapomínejme na to, že největší drawdown strategie je ten, který nás ještě čeká). A strategie je potřeba obchodovat s takovým riskem, který dokážeme akceptovat.  Pokud obchodujete v akciích, sníží se expozice snadno – obchodujte třeba jen polovinu pozic. To, že vám bude na účtu zbývat nevyužitý kapitál vůbec nevadí. Klíčem úspěšného obchodování je hlavně vytrvale následovat obchodované metody a získat možnost vydělávat na dlouhodobých pravděpodobnostech. K tomu je ale nutné překonat onen nebytný základní bod – nepochybovat o obchodní metodě v prvním okamžiku, kdy se dostane do drawdownu. A proto je nutné obchodovat metodu s riskem, který je adekvátní našemu účtu a psychice.
Jakmile postoupíte v tradingu přes tento první nezbytný základ, naučíte se zbývající kapitál využívat dalšími způsoby. Budete s ním pracovat s využitím u dalších, nízcekorelujících, strategií, a tím se dostávat ke stabilnějším výsledkům. To vám pak dovolí zvyšovat páku, tentokrát již v pravý čas a přestát i období podobná těm, která si prožíváme v době psaní těchto řádků. 

Dlouhodobě konzistentně profitabilní trading je zejména o risk managementu a celkově realistickém přístupu k byznysu. K tomu patří i sledování a vyhodnocování správných metrik. Proč je například průměrné zhodnocení nic neříkající ukazatel a je lepší se orientovat podle metrik typu sharpe ratio? Proč je dobré vědět, co je například negative skew?
Je nezpochybnitelné, že drtivá většina začínajících obchodníků se orientuje výhradně na ziskovou část obchodování a ztráty si nepřipouští. Z toho se odvíjí i metriky, které používají. Zejména se hovoří o procentuální úspěšnosti vstupů a ročním procentuálním zhodnocení.
Pokud někdo inzeruje systém s 90% úspěšností obchodů, tak je prodejní úspěch prakticky zaručen. Z pohledu nezkušeného obchodníka musí jít přeci o svatý grál. Vždyť jak by se dalo s 90% úspěšností prodělat…
Předpokládám, že na Finančníkovi drtivá většina obchodníků ví jak – velmi jednoduše. Stačí, když systém bude mít výrazně vyšší průměrný ztrátový obchod než ziskový. Tedy i pro posouzení základní smysluplnosti systému musíme znát další údaje než jen jeho úspěšnost. Pochopitelně zejména údaje týkající se charakteristik ztrát = risku systému.
Mimochodem, distribuci zisků a ztrát lze popsat i různými statistickými nástroji. Běžně se pak můžeme v naší branži setkat, při studiu jen nepatrně profesionálnější literatury, s popisem systémů, které mají tzv. „negative skew“ (česky zápornou šikmost). Šikmost je v tomto případě odvozena od tvaru grafu distribuce zisků a ztrát, které tyto systémy vytvářejí. Systémy se zápornou šikmostí budou mít na levé straně histogramu výrazně delší „ocas“ (long tail). To v praxi znamená, že v systému můžeme očekávat občasné vyšší ztráty výrazně převyšující běžné zisky. Tento fakt samozřejmě vůbec neznamená, že by systém nemohl být profitabilní a obchodovatelný, jen je potřeba jeho charakteristiku plně akceptovat. A mentálně zvládnout právě v období nevyhnutelných ztrát (výrazně zápornou šikmost mohou mít například některé strategie na výpisy opcí). Samozřejmě existují i strategie s kladnou šikmostí – typickým příkladem jsou například trend-following systémy. U nich můžeme očekávat množství drobných menších ztrát a občasné velké zisky. Takové systémy pak mají nízkou procentuální úspěšnost, ale průměrný zisk je vyšší než průměrná ztráta.
Šikmost distribuce profitů a ztrát je jeden z důležitých faktorů, které se vyplatí z pohledu risk managementu u systémů zkoumat. Jednak proto, že extrémní šikmost (na kteroukoliv stranu) bude zejména v diskréčních přístupech působit ohromné problémy na psychiku. Dále proto, že je dobré skládat strategie do portfolií tak, aby se svou šikmostí doplňovaly.
Pokud shrnu dosud napsané – procentuální úspěšnost systému je jen velmi orientační údaj. Důležité je sledovat i dlouhodobou distribuci zisků a ztrát. Právě ta napoví, jak je reálně systém obchodovatelný a na co se při jeho obchodování připravit.
Podobně je to s průměrným procentuálním zhodnocením. Je pochopitelné, proč je tato metrika tolik používána. Na první pohled jakoby poskytuje srovnání mezi různými výkonnostmi. Pokud například trader A dosáhl průměrného ročního zhodnocení 100 % a trader B průměrného ročního zhodnocení 30 %, pak je přeci jasné, že trader „A“ je lepší. Nebo není…?
Bohužel není – opět záleží na risk profilu, s jakým bylo zhodnocení dosaženo. Na volatilitě účtu. Pokud měl trader A v průběhu roku 50% drawdown (pokles kapitálu) a trader B jen 5% drawdown, tak se situace najednou obrací. Už jen proto, že v případě tradera B by se dalo například systém obchodovat s vyšší pákou, a dosáhnout tak na vyšší zhodnocení.
Z tohoto důvodu většina profesionálních traderů používá pro hodnocení výkonnosti metriky, které nějakým způsobem dávají do vztahu dosažený zisk k podstoupenému risku. Metrik dnes existuje celá řada a některé jsou jednoznačně více vypovídající než jiné. Mezi ty jednodušší patří například sharpe ratio. V případě sofistikovanějších přístupů k risk managementu sice narazíte na jeho výrazné limity (hlavně v momentu, kdy mají strategie výraznou šikmost), ale pro začátek jde o dobrou metriku, která je navíc dostupná prakticky ve všech softwarech.
Sharpe ratio v zásadě dává do poměru výnos a volatilitu (danou směrodatnou odchylku výkonnosti). Podrobnosti k výpočtu naleznete například zde.
Čím vyšší je sharpe ratio, tím lepší je výkonnost systému (nebo portfolia) ke své rizikovosti.
Sám tak používám měřítka typu sharpe ratio pro klasifikaci svých systémů, ale i pro porovnávání s ostatními. Při vytváření strategií jde také o dobrý „reality check“ – solidní systém může mít sharpe ratio kolem 1, možná 1,5. Pokud vidím, že někdo diskutuje systémy s výrazně vyšším sharpe ratio, tak prostě nejde dlouhodobě o něco, co by bylo realisticky obchodovatelné.
Shrnutí
Hodnota průměrného zhodnocení je sama o sobě zavádějící. Už jen proto, že údaje jde jednoduše upravovat tak, že zvyšujeme a snižujeme míru volatility účtu (například volbou velikosti počátečního kapitálu). Viděl jsem pronajímat systémy, které se chlubí velkými potenciálními průměrnými zhodnoceními (například několik set procent). Ovšem již nikde nepropagují, že je to díky použití neadekvátně malého kapitálu, což povede k velkým procentuálním drawdownům. Tedy ohromné volatilitě na účtu. Při „hobby obchodování“ s malým kapitálem to třeba nemusí vadit, při obchodování serióznějších peněz je to ale velký problém. V takovém případě bychom podobný systém (pokud je vůbec dlouhodobě funkční) chtěli obchodovat s nižšími procentuálními propady účtu, a obchodovali ho tak s vyšším kapitálem (a menším riskem na obchod), čímž se logicky sníží průměrné zhodnocení…
Pokud tak sledujete výkonnosti různých jiných obchodníků/systémů a porovnáváte je se svými, neorientujte se jen na roční procentuální zhodnocení. Je to velmi zavádějící a v mnoha ohledech nebezpečné. Rozumnější je systémy porovnávat i s ohledem na jejich risk profil – například pomocí sharpe ratia a podobných ukazatelů.