Jak překonat nejistý backtest?

Jedním z tradičních přístupů v systematickém obchodování s akciemi je strategie návratu k průměru (mean reversion). Tato strategie se zaměřuje na situace, kdy cena akcie dočasně vybočuje od své průměrné hodnoty a očekává se, že se brzy vrátí k normálu. Tradičně se pro časování vstupů používají nástroje technické analýzy. V dnešním článku se s vámi podělím o svůj inovativní přístup k časování vstupů vycházejících z očekávání opčních obchodníků.
Obsah:
Co je implikovaná volatilita? Co je realizovaná volatilita? Využití implikované volatility ve strategii návratu k průměru Praktické zkušenosti s obchodováním systému Dlouhodobý backtest systému Kombinace mean reversion systémů založených na implikované a realizované volatilitě Shrnutí Co je implikovaná volatilita?
Pro časování vstupů a výstupů v rámci dnes popisované strategie budeme pracovat s tzv. implikovanou volatilitou (IV). Hodnota vyjadřuje očekávání obchodníků ohledně budoucích pohybů cen akcií odvozenou z cen opčních kontraktů.
Tato volatilita se obvykle počítá na základě opcí s expirací přibližně 30 dnů a poskytuje představu o tom, jaké cenové pohyby mohou investoři v dané akcii očekávat v následujícím období. Pro využití IV nepracujeme s opcemi. Jde jednoduše o jedinou hodnotu, kterou stahujeme od svého poskytovatele dat.
Pokud je například implikovaná volatilita akcie 15 %, znamená to, že trh očekává, že se cena této akcie bude během následujícího roku pohybovat o ±15 % kolem své aktuální hodnoty s 68% pravděpodobností (v rámci jedné standardní odchylky). Implikovaná volatilita je prakticky takový VIX index, ale pro jednotlivé akcie.
Co je realizovaná volatilita?
Realizovaná volatilita (historická volatilita) naopak vyjadřuje skutečné pohyby ceny akcie v minulosti. Zatímco implikovaná volatilita předpovídá budoucí pohyby na základě cen opcí, realizovaná volatilita se počítá z historických dat cenových pohybů akcií. Pro výpočet se běžně používá například indikátor Average True Range.
Realizovaná volatilita je retrospektivní měřítko toho, jak moc se cena trhu skutečně měnila v určitém časovém období. Mnoho mean reversion strategií tradičně využívá právě realizovanou volatilitu k identifikaci momentů, kdy došlo k neobvyklým cenovým výkyvům, které pravděpodobně neodpovídají průměrnému chování dané akcie.
Využití implikované volatility ve strategii návratu k průměru
Mean reversion systémy využívající implikovanou volatilitu mohou být extrémně jednoduché. Sám postupuji následovně:
Stahuji hodnoty implikované volatility pro jednotlivé akcie z Interactive Brokers. Porovnávám denní cenový pohyb s hodnotou denní implikované volatility. Pokud pokles akcie za jediný den překročí hranici denní implikované volatility, může to signalizovat, že trh ovládla panika a akcie se po zklidnění situace vrátí k průměru. Takové trhy nakupuji. Je-li systém v dlouhé pozici, snaží se vystoupit na profit targetu odvozeném z hodnoty denní implikované volatility – ta nám napovídá, jaký může být přibližně denní rozkmit trhu. Praktické zkušenosti s obchodováním systému
Long mean reversion systém založený na porovnání denního pohybu s implikovanou volatilitou obchoduji živě od března 2024. Systém, kterému říkám DEEPDIP, obchoduji v rámci portfolia na svém větším účtu u Interactive Brokers.
Systém mám nastavený tak, že čeká na extrémnější situace a neobchoduje tak příliš často. Od spuštění jsem živě zobchodoval 17 obchodů s anualizovaným zhodnocením 10,19 % při drawdownu -2,52 %. Sharpe ratio mých živých obchodů je 1,89. Zhodnocení systém dosáhl při průměrném využití 3,84 % kapitálu. Což je z mého pohledu opravdu excelentní.
Takto vypadal jeden z posledních obchodů:

Jde o typický mean reversion obchod, ve kterém je pozice otevřena maximálně několik dnů.
Dlouhodobý backtest systému
Na základě svých pozitivních zkušeností se systémem jsem DEEPDIP zařadil do systémů sdílených v dashboardu Trading Room. K dispozici jsou zde nyní úplně stejné signály, které sám zadávám do trhu.
Zde je kopie backtestu z dashboardu Trading Room:

Od roku 2019 je hypotetická (backtest) výkonnost systému srovnatelná s výkonností S&P 500, ovšem při podstatně nižším drawdownu (DEEPDIP -4,68 %, S&P 500 -33,70 %) a zejména při výrazně nižší alokaci kapitálu. Pro dosažení výnosů využíval DEEPDIP kapitál jen ze 4 %! Systém tak lze efektivně kombinovat do systematických portfolií s dalšími systémy.
Kombinace mean reversion systémů založených na implikované a realizované volatilitě
Využití implikované volatility k časování krátkodobých akciových obchodů je zajímavé i z toho důvodu, že vstupy bývají v úplně jiných situacích než při časování skrz realizovanou volatilitu. Analýza mých živých výsledků z roku 2024 ukazuje, že výsledky z long mean reversion strategie založené na implikované volatilitě a výsledky z long mean revision strategie založené na realizované volatilitě mají velmi nízkou a navíc negativní korelaci. Konkrétně jde o hodnotu -0,28.
Sám tak ve svém US portfoliu obchoduji 3 mean reversion systémy – MR3000L (long systém vstupující na základě realizované volatility), MR3000S (short systém vstupující na základě realizované volatility) a DEEPDIP (long systém vstupující na základě implikované volatility). Signály všech systémů tak, jak je obchoduji, sdílím v Trading Room. MR3000 Long/Short je navíc k dispozici jako hotový swingový systém (viz - Swingový simple mean reversion (SMR) systém – „hotové kódy“).
A takto vypadají mé živé výsledky tohoto „mean reversion portfolia“. Jde o skutečná plnění z Interactive Brokers mých reálných obchodů, které jsem jen přepočítal na kapitál 10 000 USD a alokaci přidělenou pouze těmto systémům:

Černá linka představuje výkonnost „mean reversion“ miniportfolia, oranžová benchmark v podobě držení SPY.
Při takto volených váhách (kdy bych měl v portfoliu jen tři mean reversion systémy) by tedy mé portfolio obchodovalo po započtení skluzů a poplatků podobně jako S&P 500, podstatné ovšem je, že průměrně alokovaný kapitál byl jen 32 %. Cca 70 % kapitálu bych mohl dále využívat v jiných systémech!
Což je to, co přesně v rámci svého obchodování dělám. Stejný kapitál sdílený s mean reversion strategiemi ještě využívám v rámci momentum strategií a také v rámci intradenních strategií.
Shrnutí
Použití implikované volatility v obchodování návratu k průměru představuje podle mého názoru zajímavou alternativu k tradičním přístupům založeným na technické analýze a realizované volatilitě. Na rozdíl od realizované volatility, která se zaměřuje na minulost, implikovaná volatilita poskytuje představu o budoucích očekáváních trhu, a může tak pomoci lépe načasovat vstupy do obchodů.
Tato metoda je obzvláště zajímavá v obdobích zvýšené volatility, kdy jsou cenové pohyby trhem výrazně podhodnoceny nebo nadhodnoceny.
Osobně jsem se zatím nikdy s podobným využitím implikované volatility nesetkal a rozhodně si myslím, že tato cesta stojí za využití. Cesta k systému navíc není složitá. To hlavní, co dělám, je porovnání aktuálního poklesu trhu s implikovanou volatilitou stahovanou k jednotlivým akciím z Interactive Brokers.
Pokud chcete systém využívat bez jakýchkoliv časových investic, zvažte práci se stejnou strategií, se kterou sám pracuji. Kompletní backtesty a své signály sdílím v rámci dashboardu Trading Room (spolu s dalšími strategiemi, se kterými obchoduji). Registrovat se můžete do Trading Room zde.

S tím, jak postupně do svého automatizovaného portfolia nasazuji i intradenní systémy, jsem si pro sebe definoval určité „workflow“, s nímž systémy tvořím. Zde jsou tipy, které mohou pomoci i vám.
Obsah článku:
Jak na intradenní obchodní systémy? Vývoj systémů na denních datech Intradenní stop-lossy na denních datech Prototypování systémů vs. jemné testování Ukázka workflow Závěr K příspěvku mě dovedl tento dotaz v Trading Room:

Jak na intradenní obchodní systémy?
Předně žádná cesta v rámci intradenního obchodování nebude bez práce. Tedy samozřejmě kromě té, kdy si koupíte nějaký zázračný software, kde vám po stisknutí tlačítka začne sám připravovat zaručeně robustní AOS.
Sám na podobné zázraky nevěřím, a tak nezbývá než investovat čas do ručního testování různých nápadů, ze kterých následně tvořím reálné „idea first“ obchodní systémy.
Potíž s intradenními systémy je především v tom, že pracujeme s ohromným množstvím dat. Bez ohledu na zvolený software je vše výrazně pomalejší, náročnější na hardware a do velké míry i na know-how. S jemnými intradenními daty lze vymýšlet násobně více taktik než na denních datech, což s sebou přináší i výrazně vyšší riziko přeoptimalizace, chyb v kódech či v následném automatizovaném obchodování.
Osobně se mi tak osvědčilo vyvíjet intradenní systémy na denních datech.
Vývoj systémů na denních datech
Denní data obsahují informace o otevírací a uzavírací ceně, denní minimální ceně a denní maximální ceně. S denními daty se proto pracuje velmi efektivně – za rok máme přibližně 250 úseček. Pracovat pak lze v programech, jejichž ovládání známe ze swingového obchodování (např. Amibroker).
Ovšem jak na denních datech vyvíjet intradenní systémy? Tím, že nevidíme „dovnitř“ denních úseček, tak pochopitelně můžeme vyvíjet jen určité typy intradenních systémů. Například jednoduché breakout či mean reversion systémy vycházející z denní otevírací ceny či jiného fixního bodu denních grafů.
Nemůžeme tak například vytvářet obchodní systém obchodující průlom např. 5minutového otevírací rozpětí popisovaného v článku Jak na první daytrading autotrader [včetně funkční strategie a kódu]. Z mé zkušenosti to ale tolik nevadí. Protože i jen na denních datech lze najít mnoho funkčních intradenních přístupů (sám jsem takto dříve vyvinul Finwin, který dnes obchoduji řadu let).
Intradenní stop-lossy na denních datech
Největším úskalím při vývoji intradenních obchodních systémů na denních datech jsou stop-lossy. Na denních datech nevidíme „dovnitř“ úseček a jen těžko se odhaduje, jestli byla u obchodu dříve zasažena úroveň stop-lossu, vstupu či výstupu.
Osobně tak začínám s vývojem strategií s velmi vzdáleným, nebo žádným stop-lossem. Ve svých systémech často pracuji s indikátorem ATR a jedním z typických příkladů vzdáleného stop-lossu je 1xATR. Takový už bývá spolehlivě identifikovatelný i na denních grafech.
Ve svých testech tak chci nacházet strategie, které relativně stabilně fungují i s velkými stop-lossy. A teprve až takovou strategii objevím, otestuji ji na intradenních datech.
Prototypování systémů vs. jemné testování
Svou práci tak můžu rozdělit do dvou základních kroků:
Prototypování systému na denních datech Finální backtest hotového prototypu na intradenních datech Pokud jste vývoj intradenního systému nikdy nezkoušeli, možná nevidíte v rozdělení práce do zmíněných bodů žádný zásadní benefit.
Pro mě tam rozdíl je – především v efektivitě. Nejsem programátor a s jakýmkoliv skriptováním bojuji. A skriptování na intradenních datech je pro mě násobně náročnější než na denních. Při hledání nových obchodních přístupů testuji průběžně řadu různých myšlenek. Mohu například zkoumat signály vycházející z korelace či divergencí trhů, sezonality, market internals a podobně. Podobné testy mám na denních grafech hotové velmi rychle.
A pokud vypadá nějaká myšlenka nadějně, tak teprve potom věnuji pozornost přípravě intradenního kódu, pro který nejčastěji používám TradeStation či Python.  V momentě, kdy vím, co přesně potřebuji naskriptovat, už to nemusí být tolik složité.
Ve finálních testech s intradenními daty navíc první backtesty provádím se vzdáleným stop-lossem podobně, jako jsem to dělal ve fázi prototypování. A logicky bych měl dostávat podobné výsledky, čímž si ověřuji funkčnost svých kódů.
Ukázka workflow
Na denních datech testuji různé myšlenky. Jedním z dobrých směrů může být například intradenní breakout na akciovém indexu. Např. Nasdaq 100. Breakout systém má v principu jednoduchou konstrukci. Vezmeme nějaký počáteční bod – např. denní open, poslední close, nejvyšší high za posledních x dnů a podobně, přidáme k bodu určitou vzdálenost (sám rád pracuji s násobkem ATR), a pokud trh tuto úroveň překoná, zaznamenáme long breakout a držíme pozici do dosažení profitargetu či do konce dne. Pokud se trh obrátí, vystoupíme na stop-lossu. Jak jsem zmínil, u prototypů podobných systémů na denních grafech používám vzdálený stop-loss (např. 1xATR).
Testy na uvedené úrovni jsou např. v Amibrokeru velmi jednoduché s tím, že do popsané kostry systému budete chtít zakomponovat pravděpodobně ještě nějaký „filtr“. Bez toho nebude systém reálně obchodovatelný.
A takto může vypadat výsledek prototypu:

Pro ilustraci jsem zobrazil equity křivku prototypu „long intradenní breakout v Nasdaq 100“ vytvořenou pouze z denních úseček (modrá barva) vs. finální backtest s využitím intradenních dat (oranžová barva). 
Equity křivky nejsou úplně stejné zejména proto, že v tomto případě intradenní backtest probíhal v Pythonu, kde se mi trochu jinak počítá ATR než v Amibrokeru. Podobné detaily nejsou z mé zkušenosti podstatné, protože ve finálním živém obchodování se do procesu živého obchodování na burze stejně dostává určitý prvek náhody.
Ale to podstatné je jistě patrné – prototyp se vzdáleným stop-lossem (1xATR) odpovídá finálnímu intradennímu backtestu.
Funguje to samozřejmě i na delší historii dat:

Finální myšlenku pak už ladím v samotném intradenním backtesteru. Zde zejména testuji jemnější práci s bližšími stop-lossy. Protože ty z mé zkušenosti nelze na denních datech používat – vedou k příliš optimistickým závěrům.
Dobře je to patrné na tomto screenshotu:

Zde jsem v prototypu na denních datech snížil stop-loss na 0,4x ATR (modrá linka) a následně provedl stejný backtest na intradenních datech (oranžová linka). Je zde patrné, že pokud bychom malý stop-loss použily už v prototypu pracujícím s denními daty, budou naše závěry z backtestu příliš optimistické.
Závěr
Dnešní tip ukazuje, že pokud budete určitý typ intradenních systémů prototypovat na denních datech, můžete se poměrně dobře na výsledky spolehnout za předpokladu, že budete pracovat se vzdálenějšími stop-lossy (např. 1xATR).
Pokud se tak chcete do vývoje intradenních systému pustit, můžete začít právě na denních datech. A teprve až budete mít hotový funkční prototyp (jakože najít obchodní systém trvá určitě týdny až měsíce), pak už není zas takový problém konkrétní jednu finální myšlenku převést do příslušného intradenního backtesteru (např. s použitím TradeStation).
Jinými slovy – není třeba se od počátku stresovat z potřeby ovládnutí dalšího softwaru. Ale je možné začít na stejném softwaru, který používáte pro analýzy denních grafů a teprve, až budete mít jasnou představu o potenciálním intradenním obchodním systému (podloženou funkčním prototypem) tak řešit, jak systém finálně otestovat na intradenních datech.

V pondělním článku Technická analýza pro nováčky 6: Jak plánovat výstupy? připravil Tomáš důležité informace o základním plánování výstupů v intradenním obchodování. V tomto článku téma rozvedu z pohledu mé praxe se systémem FIMS.
Jednoznačně se mohu podepsat pod význam občasných větších profitů – tedy obchodů s pozitivním RRR. Právě podobné situace jsou ty, které posouvají náš účet tím správným směrem.
Osobně neobchoduji v rámci FIMS s fixním RRR. Tedy že bych například do obchodu vstupoval se stop-lossem 100 dolarů a očekával zisk 200 dolarů. S takovým přístupem je možné v tradingu začínat, kdy se každý začínající trader musí posouvat postupně a nesnažit se zvládnout všechny disciplíny obchodování najednou. Časem je však třeba začít rozumět tomu, že trhy jsou „jen“ o chování davu nakupujících a prodávajících, kteří mají pokaždé trochu jinou dynamiku, a tudíž jednotlivé vstupy vyžadují trochu jiný ideální risk a nabízejí jiný potenciál.
Obchodování s hlavním momentem je tak jeden z velmi silných přístupů, se kterými řídím své pozice a výstupy. Jak ukazuji na kurzu, ale hodně i ve veřejně dostupných článcích a videích na Finančníkovi, své pozice řídím na základě orderflow. To je téma poměrně komplexní, ale v zásadě se vše odvíjí od jednoduché logiky. Do trhu vstupuji s očekáváním určité reakce. Například nástup nakupujících, kteří začnou tlačit cenu vzhůru. Pokud vstoupím long, ovšem nakupující se neobjeví – pozici opouštím. Například s malým ziskem, B/E či s malou ztrátou. Pochopitelně, že občas inkasuji ztrátu na základním stop-lossu, ale snažím se, aby těchto situací nebylo příliš.
RRR tak pro mě nepředstavuje fixní proměnnou, ale dynamickou za určité období. Zpětně chci vidět, že obchoduji pro větší průměrný zisk, než je má průměrná ztráta.
A jak dosahovat větších profitů v trzích, ve kterých nikdy nevím, co bude v následující minutě? Snažím se držet ziskových pozic, co to jen jde. Tedy dokud v trhu vnímám momentum. To se mi vesměs daří jen pokud dobře vstoupím.
Vstupy a výstupy jsou velmi propojené. Nelze špatně vstupovat a myslet si, že budeme vydělávat. Zde jsou základní tipy, které ze své praxe mohu k výstupům doporučit:
Dobrá lokalita vstupu je základ
Proto si v rámci FIMS děláme přípravy. Chceme vstupovat jen do míst nabízející vysokou pravděpodobnost, že se k našemu vstupu připojí další obchodníci. Pro orientaci v trhu používejte různé referenční body a čím více se jich na určité ceně shoduje, tím sebevědomější pak můžeme být v řízení pozice.
Pokročilejší aplikace spočívá v aplikování různého position sizingu u situací, které nemají vysokou frekvenci, ale zato nabízejí vysokou pravděpodobnost.
Například v rámci FIMS mentoringu ukazuji své živé vstupy na trzích NQ/YM. Sám obchoduji i další trhy s různým position sizingem, ale pro potřeby výukových ukázek a videí vesměs jedu v trzích NQ/YM s pozicí 4 kontraktů, které již nabízejí solidní prostor pro demonstrace řízení pozice. V prvním prosincovém týdnu 2013, na jehož konci tento článek připravuji, jsem měl jediné dva obchody s dvojnásobnou pozicí (8 kontraktů). Oba zároveň představovaly vstupy do nejzajímavějšího momenta (v rámci toho, co trhy aktuálně nabízejí).
Proč jsem zvednul pozici zrovna u těchto jediných dvou vstupů? Z pohledu obchodního plánu jsem vstupoval ve velmi dobré lokalitě nabízející pro mě solidní potenciál momenta. A to přesto, že jeden vstup byl reverzní a druhý trendový.
Spolu s dobrou lokalitou vstupu je pro mne důležitá samotná vstupní cena. Opět se může zdát, že pár ticků na vstupu nemá žádnou souvislost s velikostí targetů, osobně však nemám tuto zkušenost. Pokud se mi podaří dobře vstoupit (například blízko high/low swingů), mám mnohem lepší možnosti v řízení pozice. Vesměs vyberu část pozice na prvním targetu a mohu si dovolit přitáhnout stop-loss a stále dát pozici dostatek prostoru. Mám tak výrazně vyšší šanci, že se obchod dostane ke vzdálenějším targetům.
Daní za toto je fakt, že mi některé vstupy utečou. Musím říct, že toto mě však v daytradingu netrápí, neboť zajímavých obchodních příležitostí mám většinu seancí dostatek.

S ohledem na vstup blízko horní hrany konsolidace si mohu dovolit likvidovat první target (zde 2 kontrakty) v oblasti odpovídající cca RRR 1:1 předtím, než se trh případně odrazí od hrany konsolidace zpět vzhůru. Zároveň si poskytuji solidní prostor pro případné vzdálenější targety po proražení konsolidace. Vzdálenější targety mám v trhu jen "odložené". V průběhu života obchodu s nimi dále pracuji – nevystupuji na fixních targetech.

Nakonec jsem pozici likvidoval takto postupně s tím, že poslední část pozice jsem trailoval, což je opět dobrý způsob, jak dosáhnout na co nejvzdálenější targety.
Poslední základní nástroj, který mně velmi pomáhá počkat si na vzdálenější targety, je analýza orderflow. A to opět zejména v oblasti vstupu, kde je sledování obchodu nejkritičtější. Zasahování vzdálenějších targetů je otázkou pravděpodobností. Trhy se jednoduše buď dostatečně rozjedou, či nikoliv. To jestli se rozejdou, bude záležet na tom, zdali se k pohybu přidá dostatek dalších obchodníků a kde jim jiní obchodníci vstoupí do cesty. Tedy nic, co bychom sami dokázali ovlivnit. Z mého pohledu je tak klíčová bitva především v oblasti vstupu. První targety ukončuji poměrně brzy (přibližně ve stejné vzdálenosti, co mám svůj bezpečnostní fixní stop-loss) a pak nechávám do hry vstupovat dlouhodobé pravděpodobnosti. Ty jsou ovšem napojeny na edge, který obchodujeme – nezapomeňte, že trhy se jednoduše „samy nerozjedou“. Vždy je potřeba palivo v podobě agresivních nákupů (pro růst) nebo agresivních prodejů (pro pokles) a tato orderflow s vyšší pravděpodobností přicházejí v místech, které je logické pro obchodníky zadávající své příkazy. Proto je z mé zkušenosti tak důležité začít vzdálenější targety jemně plánovat od správného místa, kde do trhu vstupujeme.