Vyděláváme pomocí volume [záznam webináře]

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.

Volume, neboli objem, je v technické analýze důležitým ukazatelem, který měří, kolik akcií nebo jiných cenných papírů bylo obchodováno v daném časovém období. Například pokud bylo v průběhu jednoho dne obchodováno 100 000 akcií, objem pro tento den je 100 000.
Jak se volume používá v technické analýze?
Volume lze použít k identifikaci překoupených a přeprodaných oblastí trhu. Hodnoty objemu nad průměrem signalizují překoupení, zatímco hodnoty objemu pod průměrem signalizují přeprodanost. Tyto oblasti lze použít k identifikaci potenciálních obratů. Pokud se objem zvýší v oblasti překoupení, může to signalizovat obrat směrem dolů. Pokud se objem sníží v oblasti přeprodanosti, může to signalizovat obrat směrem nahoru. Dalším využitím volume je identifikace trendů. Hodnoty objemu se zvyšují, když se trend posiluje, a snižují se, když se trend oslabuje.
Jak interpretovat volume?
Hodnoty objemu jsou obvykle měřeny v jednotkách akcií, jako jsou miliony akcií (M) nebo miliardy akcií (B). Například objem 100 000 akcií lze také vyjádřit jako 0,1M nebo 100K.
Volume lze také vyjádřit jako procento z průměrného objemu. To může být užitečné pro srovnání objemu v různých časových obdobích nebo pro identifikaci jeho výkyvů. Například objem 100 000 akcií, který je dvakrát větší než průměrný objem, lze vyjádřit jako 200 % průměru.
Zde jsou některé příklady hodnot volume:
Malé společnosti: například 100 000 až 1 000 000 akcií za den.
Velké společnosti: například 10 milionů až 100 milionů akcií za den.
Volatilní trhy: například 100 milionů až 1 miliarda akcií za den.
Nestabilní trhy: například 10 milionů až 100 milionů akcií za den.

Modrá šipka v dolní části grafu ukazuje, jak vypadá indikátor Volume vložený do grafu akcie Apple. Volume akcie Apple se běžně pohybuje v desítkách milionů.
Co ovlivňuje velikost volume?
Velké společnosti: mají obvykle vyšší objem než malé společnosti. Důvodem je, že velké společnosti mají více akcií v oběhu a jsou více sledovány investory.
Ekonomické události: zprávy o zaměstnanosti nebo zveřejnění hospodářských výsledků mohou také ovlivnit objem. Důvodem je, že tyto události mohou mít významný dopad na ceny akcií.
Uvedení nového produktu: může vést k nárůstu objemu. Důvodem je, že investoři jsou na nové produkty nebo služby více ochotni vsadit.
Psychologické faktory: volume mohou ovlivnit strach nebo chamtivost.
Závěr:
Volume je důležitým ukazatelem technické analýzy, který může pomoci obchodníkům identifikovat obchodní příležitosti. Volume udává počet obchodovaných akcií nebo jiných cenných papírů v daném časovém období. Při interpretaci objemu je důležité vzít v úvahu všechny relevantní faktory, včetně velikosti společnosti, volatility trhu, ekonomických událostí a nových produktů nebo služeb.