Jump to content
Co nového? Mé kurzy
Články a tutoriály:
Archiv článků Psychologie obchodování Jak na obchodní plán Mé obchodní strategie
  • Kdy vyřadit ztrácející intradenní strategii?

    Velmi zásadní otázka, kterou si pokládá každý, kdo se do obchodování jednou pustí. Pojďme si ukázat jednoduchou taktiku, kterou aplikuji na rychlé a dynamické intradenní trhy.

    Funkčnost zejména systematických (mechanických) intradenních strategií je časově omezena. Jen naivní obchodník si může myslet, že v trzích nalezne „perpetuum mobile“, které nasadí a bude mu vydělávat trvale peníze. Jakmile se v trzích objeví určitá neefektivita, kterou využíváme pro naše profity, je jen otázkou času, než ji obchodníci „vyčerpají“. Toto je realita tradingu, kterou je potřeba akceptovat.

    U diskréčního obchodování se může trader postupně adaptovat na měnící se trhy. U systematických strategií je, zejména na nízkých timeframe, potřeba framework vyhodnocování výkonnosti. Takový, který nám umožní v případě vyprchávající výkonnosti jednat – strategii například reoptimalizovat nebo nahradit.

    Taktik sledováni výkonnosti strategií v živém obchodování používám hned několik.

    Jedna z jednodušších, ale funkčních, může spočívat v porovnání základních metrik živého obchodování s těmi, které máme otestované. Přičemž platí, že bychom se vždy měli maximálně snažit porovnávat metriky živého obchodování s výsledky tzv. out-of-sample testování sytému.

    Jedna z metrik, kterou používám, je samotný průměrný obchod.

    Pokud věříme, že je náš backtest relevantní, pak s pomocí průměrného obchodu můžeme dělat určité „predikce“, jak by se systému mělo dařit v budoucnu.

    Při velikosti průměrného obchodu +100 USD můžeme například předpokládat, že v ideálním světě budeme mít na účtu po 100 obchodech výdělek 10 000 USD.

    Pochopitelně, že realita není nikdy takto jednoduchá. Velikost průměrného obchodu se bude v průběhu času měnit. Pokud je ale náš systém robustní, neměla by být realita z pohledu většího množství obchodů „úplně mimo“. Na popis rozumné odchylky si můžeme vzít na pomoc statistiku a vytvořit si pásma v oblasti první a druhé standardní odchylky, kde bychom očekávali výsledek našeho systému v závislosti na uplynulém čase.

    Pojďme se podívat na příklad. Toto je equity křivka systému, jehož vývoj proběhl ke konci roku 2017. Od této doby jsou výsledky generovány trhem bez jakékoliv optimalizace nebo úprav systému:

    ESsystem.jpg

    Na konci equity křivky je vidět, jak se pomalu zplošťuje. A nabízí se tak otázka – funguje systém stále ještě v očekávaných parametrech?

    Jednu z odpovědí mi poskytuje následující graf:

    eq-prediction.jpg

    Modrá linka představuje lineární predikci průměrného obchodu. Jednoduše spočítám průměrný obchod za určité období v historii (většinou na cca 2 roky posledního vývoje) a zobrazím si „ideální equity křivku“.

    Zelené a červené obálky kolem této křivky pak představují první a druhou standardní odchylku. Vesměs se mi pak potvrzuje, že funkční systémy oscilují právě v oblasti mezi druhými standardními odchylkami predikce.

    Na uvedeném příkladu je pak zřejmé, že systému se stále daří velmi, velmi dobře. De facto lépe, než v backtestu a aktuální pohyb do strany je naprosto v normě. Na výsledky strategie je třeba vždy nahlížet z dostatečně dlouhodobého pohledu a z takového je vývoj naprosto perfektní. V systému jsem připraven i na drawdown, protože je zcela v pořádku, aby se equity křivka podívala i ke spodní hraně pásma vyznačeného červenými standardními odchylkami.

    Daný postup má mnoho praktických nuancí. Určitě je dobré okno predikce například posouvat tak, jak běží čas – tj. je třeba si definovat, na jak dlouho „predikci“ vytváříme a jak dlouhou historii používáme. Také se mi osvědčilo jej používat spíše na rychlejší intradenní systémy než pomalejší swingové strategie.

    Co se týče konkrétní aplikace, tak výpočty jdou jistě vytvářet například v Excelu nebo jiném tabulkovém editoru. Publikované screenshoty ale pocházejí z naší vlastní aplikace pro řízení a vyhodnocování risku, ve které je mým cílem postupně sledovat a analyzovat metriky všech obchodovaných systémů přes různé brokery. V této oblasti se mi daří poměrně velký posun a jak jsem uvedl již několikrát – vnímám ji ve svém obchodování jako prioritu. Často je možné obchodovat i jednoduché principy a mnohem důležitější, než samotné vstupy, jsou pak odpovědi na otázky, jaké systémy kombinovat v portfoliích a samozřejmě, kdy systém vyřadit nebo mu v portfoliu přiřadit nižší váhu...

    10.3.2019

    Petr Podhajský

    Fulltime obchodník věnující se tradingu více než 20 let. Specializace na systematické strategie obchodované na futures a akciích. Oblíbený styl obchodování: stavba automatizovaných portfolio systémů, které využívá i při správě většího externího kapitálu.

    • Líbí se 3
    • Děkuji 1

    Sdílíme, co nám samotným funguje.
    7 výukových lekcí.

    Jak reálně uspět v tradingu?

    Naučte se vydělávat na své sny (naše metody na Finančník.cz)

    Praktický návod, jak v trzích získat šanci vydělávat stovky tisíc až miliony dolarů ročně bez vlastního kapitálu a nutností trávit denně hodiny před počítači (bez práce to ale nepůjde).

    >> Získat kurz zdarma <<

    Další články na toto téma

    Krach účtu i přes 83% úspěšnost strategie. Jak to?

    "Petře, objevil jsem systém, který obchoduje s více než 80% pravděpodobností úspěchu“ psal mi před časem obchodník Karel a pokračoval „Jeho majitel přes rok prokazatelně s touto úspěšností obchoduje a je ochotný mě celý systém za nemalý poplatek naučit.. Může být na takové nabídce nějaký háček?“.
    Může a Karel se, i přes mé varování, o háčku přesvědčil za několik měsíců sám. Bohužel i tím, že zbytečně vyhodil peníze jak za samotný systém, tak za ztráty několika tisíc dolarů, které mu systém vygeneroval.
    A jelikož toto není vůbec ojedinělá situace, pojďme si nyní vysvětlit, proč některé metriky v tradingu vůbec nic neznamenají.
    A pojďme na to přes další příklad z praxe. Jde o jiný systém, než který si koupil Karel.
    Podstata je ale velmi podobná. Systém vytvořil a pronajímal (za nemalé peníze – 350 USD/měsíc) na serveru collective2.com trader Brian. V prosinci 2019 jej v tamní diskuzi propagoval podobnými příspěvky:

    Tedy ve smyslu „Můj systém BR FUTURES krásně vydělává – zobchodoval již 42 obchodů s 88% úspěšností“.
    V únoru 2020 ale systém vygeneroval za jediný měsíc ztrátu 134 % a celý účet najednou skončil v hlubokém záporu. Tedy pokud by někdo systém následoval, musel by reálně brokerovi ještě poslat na účet peníze pokrývající vygenerovanou ztrátu. A to i přesto, že za celou dobu fungování systém obchodoval s úspěšností 83,60 %. Tedy 44 z celkového počtu 55 obchodů skončilo v zisku. A přesto je výsledkem brutální ztráta:

    Jak je to možné?
    Jednoduše proto, že některé metriky v obchodování nemají sami o sobě žádnou vypovídající schopnost. Jsou to například výnosy (tj. kolik strategie vydělala) nebo právě zmíněná úspěšnost obchodování. Vše je vždy třeba posuzovat v kontextu risku.
    Strategie BR FUTURES s riskem pracovala velmi nešťastně. Její autor používal naivní risk management v podobě tzv. ředění ztrátových obchodů. Taktika spočívá v tom, že pokud se otevřený obchod dostane do ztráty, otevře se nová pozice na „lepší ceně“. Tím se nám zlepšuje průměrná vstupní cena a následně stačí, aby trh poskočil jen trochu našim původně směrem a výsledným obchodem je zisk. Pokud trh jde stále proti naší pozici, otevírá se další obchod na ještě „lepší“ ceně, průměrná vstupní cena se opět posouvá blíže aktuální ceně trhu a čeká se na moment, kdy bude možné celou pozici uzavřít v zisku. Problém podobných přístupů je ale ten, že fungují do doby, než jednou fungovat přestanou. Prostě přijde tak vysoký protipohyb, že na účtu už není dostatek prostředků, abychom mohli pozici dál „ředit“. A to je přesně to, co se stalo u systému BR FUTURES. Tomu stačilo v trhu jen opravdu malý pokles, aby vyzmizíkoval celý účet (a díky použitému pákovému efektu jej dostal do záporu).
    Možná se usmíváte, že byste nikdy podobnou chybu neudělali a takto riskantně neobchodovali. Bohužel ale opravdu hodně traderů si podobné systémy pronajímá nebo kupuje, protože některé mohou fungovat i delší dobu a pouze na základě historických statistik vypadá vše růžově. Tedy pokud se člověk nezačne pídit po detailních principech použitého risk managementu – což je bohužel většinou mimo možnosti běžných začínajících a méně zkušených obchodníků. Podobné příběhy jako výše uvedené se tak opakují stále dokola. A to i na úrovni fondů řízenými údajně zkušenými obchodníky – viz příběh Jamese Cordiera a jeho 290 klientů, kterým spravoval peníze. Ti přitom patřili do skupiny bohatších investorů – minimálně do jeho správy svěřovali 500 000 USD. Během jediného dne pak přišli o úplně celý zůstatek účtu a byli nuceni brokerovi uhradit ohromné dlužné částky na pokrytí marginu.
    Některé metriky typu úspěšnost nebo historické výnosy skutečně nemají sami o sobě absolutně žádnou vypovídající schopnost. Na výše uvedeném příkladu vidíte, že můžete mít systém s úspěšností 83 % a stejně velmi rychle přijít na burze o celý účet. Klíčem je poměřovat vše v kontextu risku.

    Jak na racionální rozhodnutí v prostředí nejistoty?

    Představte si, že dostanete 25 dolarů a zcela seriózní nabídku – 30 minut můžete házet „panna/orel“ pomocí virtuální mince na jednoduchém počítačovém programu s upravenou pravděpodobností. Panna bude padat v 60 % případech. Můžete sázet, jak rychle chcete, na konci 30 minut dostanete vyplacenu vaši výhru v reálných dolarech omezenou na 250 dolarů. Tedy vaším cílem je dostáhnout minimálně právě na tento zisk. Sázet můžete libovolnou část účtu, který má na začátku hodnotu 25 dolarů, výhra se rovná sázce.
    Přesně tento experiment popisují ve studii Rational Decision-Making Under Uncertainty: Observed Betting Patterns on a Biased Coin  manažer fondu Victor Haghani a profesor Richard Dewey.
    Zdálo by se, že dosáhnout na cílovou částku 250 dolarů při daných pravděpodobnostech je velmi jednoduché, což je také pravda. Důležité je ale zvolit správný position sizing – tedy zapřemýšlet nad řízením rizika. Vsázet co nejvíce, ale současně tak, abychom při dané pravděpodobnosti 60 % neohrozili náš účet. Ale současně tak, abychom něco vydělali – přeci jen naším cílem je několik set procentní zhodnocení a u takového nemůžeme zase vsázet příliš málo, protože na cíl nedosáhneme.
    Zkuste se na chvíli ve čtení článku zastavit a přemýšlet, jakou strategii sázek byste zvolili?
    Bohužel většina obchodníků nedokáže vydělat ani v takto jasně definovaném prostředí. Svědčí o tom i závěry citované studie, která byla zaměřena na finančně gramotné studenty univerzity a autoři zjistili, že:
    28 % účastníků i přes jasné definované výhodné pravděpodobnosti přišlo o celý počáteční vklad. 51 % účastníků nezrušilo účet, ale ani nedosáhlo na maximální výhru. Průměrný stav účtu této skupiny byl jen 75 dolarů. Celá 1/3 účastníků skončila při experimentu s méně penězi, než s kolika začala. Tedy se ztrátou. A jen 21 % účastníků dosáhlo na maximální výhru 250 dolarů. Přemýšlejme o tomto ještě chvíli. V prostředí se zaručenou pravděpodobností úspěchu 60 % prakticky zvítězilo jen 21 % účastníků, přestože statisticky mělo šanci na vítězství 95 % obchodníků. Tedy za předpokladu, že by vsázeli mezi 10-20 % účtu. Jenomže lidé se v případě práce s penězi nechovají racionálně. I studie zmiňuje, že lidé měnili v průběhu hry zcela neracionálně velikost sázek. Většina ztrácejících obchodníků například měnila risk management podle určitých patternů chování mince. Například zvyšovala částky poté, co vícekrát za sebou padl orel a to přesto, že výsledky hodů mincí byly náhodné.  
    Jaká byla optimální strategie sázek?
    Ideální bylo riskovat 20 % aktuálního stavu účtu. Matematicky k tomuto číslu lze dojít s využitím vzorce Kelly, významného matematika Johna Kellyho, jehož práce představuje základ pro řízení risku mnoha dnešních velkých traderů. Velikost pozice je pak definována jako 2 × p – 1, kde p je pravděpodobnost zisku. V našem případě byla pravděpodobnost zisku 60 % a tedy výpočet je následující: 2 × 0,6 – 1 = 0,2.
    V citované studii jsou uvedené další matematické podrobnosti – včetně toho, kolik bylo možné za 30 minut vyhrát, pokud by nebyl stanoven maximální limit 250 dolarů (a ano, jsou to při dané pravděpodobnosti neuvěřitelná čísla).
    Co si z výše uvedeného vzít pro trading?
    Množství obchodníků se neustále honí za ideálními vstupy a výstupy. Jak se ale i mě samotnému mnohokrát potvrdilo, stejně jako ve výše uvedené studii – ani s výdělečným obchodním systémem většina obchodníků nevydělá.
    Dnes citovaný příklad to krásně ilustruje. Konstantní a zaručená 60% pravděpodobnost s poměrem risk/zisk 1:1 (a bez placení komisí) je něco, co v obchodování mít nikdy nebudeme. A stejně 1/3 účastníků v experimentu peníze ztratila. Ještě se divíte, že většina obchodníků ztrácí v reálných trzích, kde jsou pravděpodobnosti výrazně nižší a mnohem proměnlivější?
    Jak už jsem na Finančníkovi psal mnohokrát – naše hlava není jednoduše stavěná na to, aby dělala rychlá racionální rozhodnutí týkající se peněz. Zejména pokud rozhodnutí ovlivňují, kolik peněz můžeme následně vydělat nebo ztratit. Přitom ale tato rozhodnutí mají zásadní dopad na finální výsledek.
    Mé vlastní řešení uvedeného problému byla co nejvyšší systematizace všeho, co v obchodování dělám. Protože jsem zjistil, že čím méně rozhodnutí musím v prostředí nejistoty živých trhů provádět, tím racionálněji se chovám a dosahuji lepších výsledků. Občas diskutuji s některými tradery na téma, že při čistě diskréčnějším obchodování lze vydělávat více než při aplikování mechanických vstupních pravidel. Teoreticky to může být pravda. Jenže potíž je v tom, že náš mozek není stroj. A jak jsem se snažil ukázat v dnešním článku – reálné výdělky jsou výsledkem řízení obchodované pozice, a tudíž podstupovaného risku. Nikoliv samotných vstupů/výstupů. I když tak budeme mít na začátku mechanický systém s nižší výkonností, nad kterým ale budeme schopni precizně propočítat a bez problémů provádět správný position sizing, dlouhodobý výsledek bude s vysokou pravděpodobností překonávat vše, co budeme dělat v trzích pocitově.   

    Do jaké míry se můžeme spolehnout na úroveň historického drawdownu?

    Historické backtesty jsou pro profitabilní obchodování klíčové. Nezaručují sice, že obchodní strategie bude v budoucnu vydělávat tak jako v minulosti, ale dokážou otestovat, jak si obchodovaná myšlenka vede na statisticky relevantním vzorku dat. A také poskytnout představu o výkonnosti a risk profilu strategie.
    Pod risk profilem strategie se skrývá vše, co ohrožuje náš kapitál a co musíme překonat, abychom se dostali k profitům. Vesměs platí, že risk viditelný na historických backtestech nás minimálně v podobné (ale pravděpodobně vyšší) formě čeká i v budoucím živém obchodování.
    Nejběžněji se coby zástupce risku strategie posuzuje například historický maximální drawdown. Nejvyšší historický procentuální pokles kapitálu na výkonnostní křivce strategie.
    Osobně používám raději jiné metriky, například anualizovanou volatilitu, protože drawdown je přeci jen jediné číslo, a tudíž vždy jde z pohledu testů o určitou „náhodu“. Ale z pohledu dnešního článku na tom příliš nesejde.
    Chci ukázat, že informace o risku, které vycházejí z backtestů, je vždy potřeba brát s rezervou. A reálně v praxi očekávat, že drawdown může být třeba dvakrát vyšší, než ukazují historické backtesty.
    Konkrétní hodnota drawdownu totiž bude záležet na mnoha faktorech.
    V průběhu týdne jsem například dělal porovnání výkonnosti mean reversion strategie (jde o strategii SMR, jejíž otevřené kódy jsem poskytl na Finančníkovi k dispozici zde: Swingový simple mean reversion (SMR) systém – „hotové kódy“). Strategii obchoduji živě jak na svém účtu systematického fondu, tak ji sdílím v Trading Room.
    Strategie jak ji obchoduji živě drží obchody jen dva dny (pozice je otevřena maximálně přes jednu noc). Zkusil jsem tak porovnat, jak se liší grafy výkonnosti a risku, když:
    Výkonnost posuzuji jen na základě zisků/ztrát uzavřených obchodů. Výkonnost posuzuji na základě denních výkyvů stavu účtu. Tedy jsou zohledněny výkyvy stavu účtu i po dobu otevření obchodů (s použitím denních dat). Následující porovnání pracuje s klidným obdobím strategie v letech 2020–2022, kde jsem neočekával příliš velké rozdíly mezi jednotlivými testy. A přesto mě srovnání docela překvapilo.
    Takto vypadá porovnání obou výkonností:

    Oranžová linka představuje „variantu 2“ - denní výkyvy stavu účtu. A podle očekávání je trochu volatilnější. Rozdíly oproti modré lince jsou dané tím, že první den může obchod skončit ve ztrátě, ale nakonec je druhý den uzavřen v zisku nebo menší ztrátě.
    Při pohledu na procentuální drawdown je rozdíl mnohem patrnější:

    Maximální drawdown při sledování statistik vycházejících z uzavřených obchodů je cca -10 %, maximální drawdown při každodenním sledování stavu účtu je přes -16 %. To už je podstatný rozdíl.
    Podobný pohled nabízí i srovnání průměrné anualizované volatility:

    Závěr?
    Při posuzování risku z backtestu je dobré chápat, že čísla, která máme k dispozici, jsou jen orientační a z pohledu risku bychom neměli obchodovat na hraně.
    Na výše uvedených grafech je zobrazeno srovnání risku z pohledu vyhodnocování uzavřených obchodů vs. denní výkyvy účtu. A vidíme, že už jen zde máme poměrně vysoký rozdíl v maximálním drawdownu. Pokud bychom brali dále v potaz i intradenní fluktuaci (tj. změny stavu účtu v průběhu dne), bude volatilita a drawdown ještě vyšší.
    Možná si říkáte, že na tom nezáleží. Že hlavní statistiky jsou ty, které zahrnují uzavřené obchody. S tím do velké míry souhlasím, ale současně to znamená, že obchodník skutečně nesmí ztrácet nervy v průběhu otevřených obchodů, protože jej přeci zajímají jen uzavřené obchody.
    Z praxe ale vím, že intradenní průběhy obchodů dokáží pořádně zamíchat s psychikou. A to i při automatizovaném obchodování. Sám se proto snažím brát veškeré informace o drawdownech z backtestů s velkou rezervou a vesměs chci být v praxi připraven i na to, že drawdown může být dvakrát vyšší, než mi ukazují backtesty.
×
×
  • Vytvořit...