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

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.   

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.

Risk management je v oblasti tradingu klíčovým konceptem, který umožňuje obchodníkům efektivně spravovat a minimalizovat potenciální ztráty při současném maximalizování zisků. Profesionální trader přistupuje k risk managementu systematicky a disciplinovaně, což je základem pro dlouhodobý úspěch v obchodování na finančních trzích.
Základní principy risk managementu
Základem risk managementu je stanovení pravidel pro velikost pozic, což znamená určení maximální částky, kterou je trader ochoten riskovat na jednotlivý obchod vzhledem k celkovému kapitálu. Důležitým aspektem je také nastavení stop-loss příkazů, které automaticky uzavřou pozici při dosažení určité ztrátové hladiny, čímž chrání kapitál před velkými ztrátami. Zejména při intradenním obchodování pomáhá při řízení rizika position sizing podle volatility.
Diverzifikace a korelace
Dalším důležitým prvkem je diverzifikace, tedy rozložení investic do různých aktiv nebo trhů, aby se snížilo riziko spojené s koncentrací do jedné oblasti. Profesionální trader sleduje také korelace mezi různými trhy a aktivy, aby předcházel situacím, kdy negativní vývoj na jednom trhu může nepříznivě ovlivnit celkové portfolio.
Psychologický aspekt
Risk management zahrnuje také psychologický aspekt. Trader musí být schopen udržet emocionální stabilitu a dodržovat nastavená pravidla i v situacích, kdy trh nabízí lákavé, ale rizikové příležitosti. Sebeovládání a disciplína jsou nezbytné pro úspěšné obchodování. Úspěšně bojovat s psychologií obchodování pomáhá obchodování tzv. AOS - automatizovaných obchodních systémů.