Tipy na mé taktické vychytávky šetřící čas, peníze a zvyšující příjmy

Stejně jako kterékoliv jiné moderní obory, i finanční trhy se v průběhu času mění. Ohromné změny se mimo jiné odehrávají na poli technologií dostupných běžným retailovým obchodníkům. Technologií umožňujících i bez super hlubokých znalostí analyzovat informace, které byly dříve zpracovávány jen v nadupaných odděleních investičních bank. Jako tradeři bychom samozřejmě měli jít s dobou. V dnešním článku přináším podrobné tipy na směry, které oslovují mě.

Dopředu upozorňuji, že se v článku dotýkám pouze řešení, se kterými sám pracuji. Nicméně i tak věřím, že v něm můžete najít řadu inspirací.

Analýza dat

Ohromný skok udělal svět za poslední roky v oblasti nástrojů pro analýzu dat. Tedy něco, co představuje pro každého obchodníka úplný základ. Data lze samozřejmě analyzovat v Excelu, ale pokud chcete více rozvíjet různé statistické a matematické funkce a aplikovat je na větší množství dat, patrně sáhnete po nějakém vhodnějším nástroji. Specializovaným nástrojům typu Matlab dnes už zcela důstojně konkurují bezplatné programovací jazyky typu R nebo Python. Sám dost pracuji právě s Pythonem a zpětně vnímám rozhodnutí začít se tento programovací jazyk učit jako maximálně prozřetelné. Python je poměrně jednoduchý (alespoň jeho základy) a i s minimem znalostí lze efektivně zkoumat a vyhodnocovat jakékoliv číselné řady – ať již jsou to výsledky našich obchodů v souvislosti s chováním trhů, korelace mezi trhy, historické pravděpodobnosti pohybů trhu atd. atd.

Jelikož jsem více analytik než programátor, vyhovuje mi na Pythonu prostředí Jupyter Notebook, kde mohu analyzovat data v prostředí, které mi hodně připomíná OneNote. Při studiu trhů se pak neobejdete bez bezplatné knihovny Pandas, luxusně vybavené pro analýzu dat z finančních trhů.

Bezplatné on-line portfolio pro backtestery

Dostupnost moderních programovacích jazyků vedla ke vzniku mnoha on-line systémů pro backtestování i komplexních portfolio systémů. Opět často zdarma. Řešení je mnoho a liší se mj. i jazykem, ve kterém systémy vytváříte. Pochopitelně existují i vyspělá řešení pro Python – což jen ilustruje, jak nám jedna znalost postupně v tradingu otevírá další dveře. Já pracuji se systémem Quantopian. Zde si můžete sami vytvářet i pokročilé portfolio algoritmy a aplikovat je na data obsažená v systému. A mimochodem, v jedné části systému - https://www.quantopian.com/research/survey lze pracovat i v prostředí Jupyteru Notebook s využitím všech analytických a backtestovacích funkcí, které Quantopian nabízí.

API

Opravdu široké možnosti dnešních technologií představuje ale zejména propojování různých komponent. V oblasti zpracování dat se ani zdaleka nepovažuji za programátora, ale spíše za analytika. Jsem schopný si v Pythonu připravit jednodušší modely pro obchodování například akcií, ale rozhodně bych se nepouštěl například do programování exekucí na burze. Ale toto právě není vůbec potřeba, neboť lze bez problémů používat připravená rozhraní. Například:

API na Interactive Brokers. IB disponuje API rozhraním velmi dlouho a tak není problém nalézt vhodné řešení pro vaše konkrétní workflow. Jelikož vše vyvíjím v Pythonu, tak používám jednu z Python knihoven. Konkrétně IbPy.
API u TradeStation. Ale není třeba se omezovat na IB. Tady je třeba popis WebAPI od TradeStation - https://tradestation.github.io/webapi-docs/.
DTC server u SierraChart. Další z programů, který hodně využívám pro intradenní obchodování je SierraChart. I u té existuje řada cest, jak ji zapojit do celkového workflow. Jedna z posledních se jmenuje DTC server a umožňuje využívat SierraChart ke kompletnímu obchodování. Sám zatím DTC server plánuji využívat jako zdroj kvalitních historických a tickových dat, které lze tímto způsobem čerpat bez jakýchkoliv omezení. I když nutno přiznat, že napojení na DTC server v tuto chvíli zase tak triviální není a tuto část workflow mi pomohl překonat kamarád Petr, který je hodně zkušeným programátorem.

Asi vás již nyní samotné napadají ohromné možnosti, které tyto technologie přinášejí. A nemusí jít ani o oblasti čistě automatizovaného obchodování. Například v intradenním diskréčním obchodování lze datovou analýzu využít k dílčím propočtům dlouhodobějších pravděpodobností, do kterých následně časujeme vstupy například na základě orderflow.

Další možnosti využití jsou například otevřená API optimalizátorů řady programů, které lze napojit na jednodušší vlastní skripty. Sám si budu těžko programovat řešení pro genetické optimalizace, byť i v Pythonu na to existují různé knihovny. Proto mě spíše zajímá, jak využít hotových částí programů, které již toto mají zvládnuté. A opět se dnes nabízejí cesty, které ještě před lety nebyly prakticky myslitelné. Například TradeStation nabízí Optimizer API umožňující vytváření automatizovaných skriptů pro optimalizace v Tradestation. Seznámení s Optimizer API naleznete například v v tomto videu. Zde je pak k dispozici aktuální Developer’s Guide. S trochou programování pak můžete například využít podobné API pro optimalizaci dat vycházejících z Pythonu. A do něj zase získávat základy systému z jiných programů atd. Dnes jsou v tomto hranice opravdu neomezené. Mimochodem – v této oblasti svého workflow narážím u jedné myšlenky na své programátorské hranice a pokud by zde byl někdo, kdo se také Optimizer API věnuje, napište mi na email petr @ financnik.cz. Mohli bychom vymyslet nějakou spolupráci.

Nicméně i Optimizer API od Tradestation je jen jedna z cest, jak zapojit pokročilé optimalizace do vlastního workflow. Sám zkoumám například i Amibroker, který má také otevřené optimizer API a jeho optimalizace je tedy opravdu ďábelsky rychlá. Navíc Amibroker má opravdu hodně procesů řízených přes textové konfigurátory uložené na disku, takže integrace do vlastního workflow je dost přímočará. Konkrétně analytický modul Amibrokeru pak zapojuji do workflow zaměřené na akciová portfolia – zde je to opravdu silný nástroj.

Shrnutí

Cílem dnešního článku bylo především poskytnout inspiraci při procesu zefektivňování tradingu. Řadě traderů je myslím zřejmé, že je třeba se posouvat kupředu, ale často ani nevědí s jakými nástroji začít a co je vůbec k dispozici. Pochopitelně, že není třeba pracovat s těmi, které jsem uvedl v článku. Ale je dobré přemýšlet nad možnostmi, které dnešní doba přináší, pokoušet se je propojovat dohromady a hledat cesty, jak s jejich pomocí trading zefektivnit a zapojit do něj například systematičnost vycházející z matematických modelů.