Prohledat Finančník.cz

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.

Obsah článku: Co je intradenní obchodování (daytrading)? Kde získat funkční obchodní plán? Co je intradenní breakout otevíracího rozpětí? Pravidla obchodního plánu intradenního breakoutu Jak strategii mechanicky otestovat? Hotový kód mechanické intradenní breakout strategie Automatizovaný daytrading - shrnutí Daytrading může být hodně výdělečný. Zde je konkrétní plán, jak bych začal. A to včetně kódu strategie, kterou je možné pustit do trhu jako autotrader. Co je intradenní obchodování (daytrading)? Intradenní obchodování je styl tradingu, kdy pozice držíme jen přes den (tj. nikoliv přes noční seanci). Výhodou je, že coby obchodníci můžeme jít spát s čistou hlavou, je možné pracovat s vyšší pákou (brokeři mají pro intradenní držení pozic vesměs jiné požadavky na kapitál než pro pozice držené přes noc) a kapitál na účtu může pracovat s vyšší frekvencí, a tudíž více vydělávat. Na druhou stranu je intradenní obchodování velmi náročné. Zejména diskreční, kdy obchodníci velmi často sklouzávají k tomu, že obchodují nikoliv dlouhodobé pravděpodobnosti, ale subjektivní „predikce“ toho, kam se trh vydá. A to nefunguje. Intradenní obchodování je těžký boj i z pohledu nákladů. U pozic trvajících hodiny nebo minuty budeme z principu dosahovat průměrně nižších výdělků na jeden obchod, ale komise platíme brokerům stejně jako u kteréhokoliv jiného obchodu. Často se tak může stát, že poplatky spolykají všechny těžce vydělané peníze. Zejména, pokud bude obchodník provádět mnoho ultrarychlých obchodů denně. Přesto má intradenní obchodování potenciál. Vidím jej zejména v momentě, kdy strategie automatizujeme a obchodujeme spíše s nižší frekvencí – například jeden intradenní obchod v trhu denně s dobou trvání spíše hodiny, než minuty. Osobně intradenně obchoduji jak mean reversion, tak breakout strategii na akciových indexech. Intradenní strategie tvoří menší část mého portfolia, které je dále složené především z mechanických swingových a dlouhodobějších rotačních strategií. Nicméně komplexnější portfolia vyžadují přiměřeně vysoký kapitál a pro řadu obchodníků tak může být zajímavé začít s daytradingem, kde jsou požadavky na kapitál nejmenší. Pojďme si proto ukázat možnou cestou, jak konkrétně začít, pokud zatím žádnou AOS strategii ani systém pro autotrading nemáte. Kde získat funkční obchodní plán? Moje osvědčená cesta je inspirovat se tím, co funguje ostatním. To jde pochopitelně tím lépe, čím více zkušeností člověk má. Při stavbě úplně prvních systémů bych vyšel z těch nejvíce diskutovaných principů, které fungují dlouhodobě. Například na Finančníkovi roky diskutujeme intradenní breakouty v akciových indexech. V případě daytradingu je to určitě dobrý začátek. Na internetu lze najít i funkční obchodní plány. Například v různých akademických studiích, které jsou volně dostupné. Jde o ohromné množství dat, naštěstí ale existují služby, které je procházejí, katalogizují a popisované edge backtestují. Patrně nejlepší je quantpedia.com. Tu se svým týmem připravuje Radovan Vojtko, který v nedávném rozhovoru v newsletteru Quantopian zmínil například studii: Může být day trading skutečně profitabilní? Adresa ke stažení: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4416622 Ta backtestuje jednoduchý breakout otevírací rozpětí na 5minutovém grafu akciového indexu Nasdaq 100 v letech 2016 až 2023 a došla k závěru, že s použitím páky a intradenního obchodování breakoutů bylo možné ve sledovaném období dosáhnout přibližně 10x vyššího zhodnocení než při držení samotného indexu. Breakouty na indexech nevymizí a s podobným principem bych se tak nebál začít v malém obchodovat. Pochopitelně je třeba akceptovat, že systémy se široce veřejně diskutovanými pravidly patrně mohou časem degradovat a úplně bych se na ně nespoléhal s většími účty. Ale odněkud je třeba začít a zkušenosti získané živým obchodováním vám budou postupně přinášet inspiraci k tomu, jak plány posouvat dál. Sám například obchoduji intradenní breakout také ve velmi triviální podobě, ale s určitou nuancí, která věřím, že může přinášet dodatečnou obchodní výhodu. Na tu bych ale bez předchozí praxe v trzích patrně nepřišel. Co je intradenní breakout otevíracího rozpětí? Za otevírací rozpětí se považuje maximální a minimální cena sledovaného intervalu trhu po jeho otevření. V případě zmíněné studie „Může být day trading skutečně profitabilní“ jde o prvních pět minut obchodování. Pokud si zobrazíme trh skrz pětiminutový graf, pak otevírací rozpětí představují High a Low první úsečky. V grafu jsem situaci zobrazil šrafovanou linkou: Americké akciové indexy otevírají v USA ve stejnou dobu jako akcie. Obchodují se tedy od 8:30 centrálního časového pásma (CT), což většinu roku odpovídá českému času 15:30 (kromě několika málo týdnů, kdy je čas posunut o hodinu díky změně letního a zimního času, která neprobíhá v USA a Evropě stejně). Šrafované linky odpovídají High (horní linka) a Low (spodní linka) první pětiminutové úsečky, což je otevírací rozpětí vycházející ze studie (existují i další principy pracující například s delším časem pro výpočet otevíracího rozpětí). Pravidla obchodního plánu intradenního breakoutu Studie definuje zcela mechanický obchodní plán, který je možné shrnout do následujících kroků: Čekáme na uzavření první pětiminutové úsečky. Pokud je první pětiminutová úsečka rostoucí (Close > Open), pak na otevírací ceně druhé úsečky otevíráme long pozici. Pokud je první pětiminutová úsečka klesající (Close < Open), pak na otevírací ceně druhé úsečky otevíráme short pozici. Stop-loss strategie umisťuje na úroveň low otevíracího rozpětí (první pětiminutové úsečky) v případě long pozice, resp. na úroveň high otevíracího rozpětí v případě short pozice. Profit target se umisťuje na úroveň 10násobku riskované částky (tj. rozsahu vstup – stop-loss). Strategie vystupuje buď na stop-lossu, profit targetu, nebo na konci obchodního dne. Obchodovaným trhem diskutovaným ve studii je americký index Nasdaq 100. Konkrétně skrz ETF s názvem QQQ, které index následuje. V EU díky regulaci není možné tento ticker na běžných retailových účtech obchodovat, a tak nejbližší rozumnou volbou budou futures mikrokontrakty MNQ. Ty mají hodnotu bodu 2 USD. Backtest strategie intradenního breakoutu s využitím trhu QQQ vypadá podle studie následovně: Zdroj: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4416622 Černá linka je výkonnost strategie (long a short dohromady). Červená linka benchmark pro porovnání s držením QQQ (de facto držení indexu). Dobré je, že ve studii jsou zahrnuty i výsledky od začátku roku 2022, kdy trhy začaly klesat a dobře to dokresluje, jaké výhody nám poskytují krátkodobé long/short strategie. Černá equity křivka roste bez ohledu na to, že index samotný převážně klesá. Jak strategii mechanicky otestovat? Jelikož máme strategii definovanou naprosto mechanicky, byla by hloupost testovat a obchodovat ji ručně. Pochopitelně existuje celá řada způsobů, jak podobné strategie backtestovat a obchodovat plně automatizovaně. Sám například používám python skripty napojené na Interactive Brokers. Na začátku je ale určitě dobré začít co nejjednodušeji. Z mé zkušenosti lze podobné systémy velmi snadno obchodovat u TradeStation. Ta integruje vše, co člověk potřebuje. Prostředí pro backtest, data a současně funguje jako autotrader. Perfektní je, že u TradeStation lze přepínat mezi simulovaným a živým obchodováním a v obou prostředích fungují zcela stejné skripty. Začal bych tedy tak, že skript pustím na simulovaný účet, budu jej sledovat, a pokud budu s chováním systému spokojený, přepnu se na živý účet a budu mít svůj první intradenní autotrader. Hotový kód mechanické intradenní breakout strategie Konkrétní skript není součástí studie. Nicméně převést uvedená pravidla do mechanického kódu EasyLanguage není těžké. Zde je strategie v podobě, kterou stačí jen překopírovat do TradeStation: Vars: BuyPrice(0),ShortPrice(0), ShortRiskAmount(0), ShortStopLevel(0),ShortTargegLevel(0),LongStopLevel(0),LongRiskAmount(0),LongTargetLevel(0); If Time = 0835 and C>O and MarketPosition = 0 then begin Buy ("LongOR") next bar market; BuyPrice = Close; LongStopLevel = L; LongRiskAmount = BuyPrice - LongStopLevel; LongTargetLevel = BuyPrice + (10* LongRiskAmount); end; If MarketPosition = 1 then begin Sell ("ORL SL") next bar at LongStopLevel stop; Sell ("ORL PT") next bar at LongTargetLevel limit; end; If Time >= 1500 and MarketPosition > 0 then Sell ("ORL TimeStop") next bar at market; If Time = 0835 and C<O and MarketPosition = 0 then begin Sellshort ("ShortOR") next bar market; ShortPrice = Close; ShortStopLevel = H; ShortRiskAmount = ShortStopLevel - ShortPrice; ShortTargegLevel = ShortPrice - (10* ShortRiskAmount); end; If MarketPosition = -1 then begin Buytocover ("ORS SL") next bar at ShortRiskAmount stop; Buytocover ("ORS PT") next bar at ShortTargegLevel limit; end; If Time >= 1500 and MarketPosition = -1 then Buytocover ("ORS TimeStop") next bar at market; Pokud s TradeStation začínáte, můžete se podívat na dříve publikovaný seriál, který ukazuje, jak s TradeStation pracovat. Ale není to složité. Otevřeme graf s příslušným trhem (např. MNQ.D pro denní data mikro futures indexu Nasdaq 100), otevřeme EasyLanguage editor – vložíme skript, aplikujeme jej na graf a můžeme backtest případně rovnou autotraderovat. Ano, výše uvedený skript je v zásadě vše, co potřebujeme proto, aby TradeStation obchodovala intradenní breakout (kód ale publikuji výhradně pro studijní účely, sám bych jej případně spouštěl v simulaci a sledoval, jestli skutečně vše funguje, jak má). Automatizovaný daytrading - shrnutí Backtest i s použitým kódem vypadá velmi perspektivně – ostatně přesně, jak naznačuje studie. Jediný zásadní rozdíl ve výsledcích je v position sizingu. V našem kódu pro zjednodušení pracujeme s jedním kontraktem, což může být kontraproduktivní. Absolutní výše risku bude hodně záležet na aktuální volatilitě trhu a je výhodnější volatilitu tzv. normalizovat, aby byl absolutní risk stále stejný. Na druhou stranu práce s konstantním jediným kontraktem má také výhody. Například tu, že nám stačí velmi malý účet. Například u TradeStation je potřeba pro otevření mikro kontraktu MNQ.D jen cca 460 dolarů. Tedy strategii lze obchodovat s účtem cca 800–1000 dolarů. A to není pro začátek vůbec špatné. Plus je třeba nezapomínat na to, že máme mnoho možností, jak strategii posouvat dál. Můžeme zkusit testovat jiné periody breakoutů, další trhy (strategie dobře funguje i na mikro futures indexu S&P 500) a určitě je dobré otestovat zmíněnou normalizaci volatility. Líbí se vám toto téma? Prosím sdílejte odkaz článku, který jsme publikovali na náš X (https://twitter.com/financnik) a Facebook (https://www.facebook.com/financnikcz) účet. V případě zájmu mohu pokračovat v rozvinutí myšlenky do dalších testů a třeba i více komplexnějších přístupů. Breakout trading a řízení rizik [komodity vs ETF vs CFD] V pokračování článku se zaměříme na Breakout trading a řízení rizik [komodity vs ETF vs CFD].

Nevíte, jak postavit obchodní systém? Nechte jej postavit umělou inteligencí, která čerpá z většiny informací týkajících se burzovního obchodování, které byly kdy publikovány. Stačí se česky ptát a základní AOS je za pár minut hotový. Velké jazykové modely není jistě na Finančníkovi třeba představovat. Jde o modely jazyka založené na neuronové síti trénované na ohromném množství textu. Modelů, které můžeme využívat, existuje dnes celá řada. Patrně nejznámější jsou GPT od OpenAI, se kterými sám denně pracuji. Tyto modely nepředstavují umělou inteligenci ve smyslu, že by měly nějaké vlastní vědomí. Ale jsou to nástroje, se kterými se dá již běžně komunikovat podobně, jako byste komunikovali s člověkem. S člověkem, který má ale načteno neuvěřitelné množství informací a tyto informace umí aplikovat skrz programovací jazyky na poskytnutá data. A tak například vytvářet a testovat obchodní systémy. Je potřeba zdůraznit, že například GPT neumí postavit systém, který by stačilo pustit do trhů a vydělávat. Umí ale poskytnout množství inspirace. A skrz postupný dialog je možné dostat se k nuancím obchodních systémů, které jsou inovativní a které by člověka vůbec nenapadly. Tady je jednoduchá ukázka, jak to vše funguje. Sám používám chat GPT v jeho placené verzi, která stojí 20 dolarů měsíčně. V rámci této verze GPT je možné pracovat s modulem Advanced Data Analysis umožňující do GPT nahrávat vlastní data, která chat GPT použije pro analýzu: Po zvolení modulu pro datovou analýzu už se stačí jen ptát. Můžeme začít velmi obecnou otázkou pro vytvoření mean reversion "z ničeho". Takto se zeptám GPT a nahraji mu příslušná denní data QQQ: "Jsi zkušený systematický obchodník s velkou znalostí swingových obchodních systémů. Vytvoř long mean reversion systém s využitím dat QQQ. In sample 2010-2019. Pro vstup použij některý z oscilátorů a vystup poté, co se trh vrátí ke krátkodobému průměru. Vstupuj jen v situacích, které jsou z pohledu historických pravděpodobností extrémnější. Publikuj přehled pravidel systému. Proveď out of sample test od roku 2019. U každého testu vytvoř equity křivku a srovnej s výkonností QQQ (graf vytvoř šedě). Publikuj také tabulku s běžnými výkonnostními metrikami." A GPT začne pracovat: Odpověď GPT postupně pokračuje dál: Výsledkem reakce chatu je první návrh konkrétní strategie, kdy se GPT rozhodl pro práci s indikátorem RSI a sám navrhl smysluplně vypadající kostru systému. Kostra systému je v tuto chvíli triviální, ale vše se dá ovlivnit dalšími dotazy. Můžete zkoušet vytvářet podobné systémy na jakékoliv téma - různé arbitráže, breakouty, momentum strategie. Co vás napadne... Všimněte si navíc boxíku "Finished working / Show work. V tomto boxíku se skrývá python kód, který GPT sám vytvořil: Znalost Pythonu není pro práci s GPT nutná, protože kódy GPT vytváří a interpretuje sám. Nicméně pokud kódům alespoň částečně rozumíte, můžete se z nich jednak učit a také lépe GPT směřovat na další vývoj. Na Finančníkovi vyučujeme základy Pythonu posledních několik let, v TechLabu naleznete mnoho tutoriálů i několik minikurzů na osvojení základů práce s Pythonem. Chat GPT v praxi demonstruje, jak se výuka na Finančníkovi logicky uzavírá. I základní znalost Pythonu vám práci s nástroji typu GPT umožní neuvěřitelně akcelerovat. GPT můžete česky instruovat k vytváření kódů, které je v důsledku možné nasadit do autotraderu, který máme na Finančníkovi také v Pythonu. Práce s GPT je o komunikaci. Je pravděpodobné, že první návrhy výsledků nevypadají smysluplně, grafy mohou být ve špatném měřítku. Ale GPT stačí říct a on pokračuje v konverzaci navrženým směrem. Například poté, co zobrazil první výsledky, jsem mu napsal, že graf QQQ není v dobrém měřítku (původně publikovaný graf nevypadal dobře) a hned mám opravené řešení: Na equity křivkách jsou vidět in-sample a out-of sample testy strategie, kterou navrhl GPT a jejíž výsledky jsou srovnány s držením QQQ. A tímto směrem můžeme v konverzi pokračovat dál. Můžeme například GPT požádat o shrnutí pravidel strategie a přepisu do skriptovacího jazyka Amibroker, který hodně pro práci se systematickými strategiemi požíváme: GPT neumí skriptovací jazyk AFL programu Amibroker interpretovat a je velmi pravděpodobné, že ve skriptu budou chybky. Bývá to ale základ, se kterým můžete začít pracovat. Mimochodem - v TechLabu, kde získáte praxi s Pythonem, vyučujeme i AFL skriptování. A 16.10.2023 spouštíme minikurz První strategie v Amibrokeru, který vás základy AFL provede. I v kontextu s ukázanými možnostmi GPT je patrné, jak hodnotné praktické znalosti v TechLabu získáte. GPT je možné používat pro solidní generování prototypů obchodních systémů. Know-how naučené v TechLabu vám pak pomůže prototypy dotahovat do produkční fáze. Zpět ke GPT. Komfort využívání podobných modelů tkví především v tom, že chat si udrží povědomí o provedené konverzaci. Jakmile GPT skončí s vytvářením základní verze systému, můžeme jej požádat, aby myšlenku rozvinul nebo třeba aplikoval v portfoliu. To vypadá takto jednoduše: A takto vypadá vytvořený portfolio graf: Zelená a modrá křivka jsou equity křivky strategie na trzích QQQ a SPY. Červená je výkonnost celého portfolia. A tímto směrem lze pokračovat. Můžeme si nechat zkusit vytvořit prototypy breakout strategií, ty kombinovat s mean reversion a podobně. Potenciál v této technologii je pro trading opravdu vysoký. Zejména pokud se dokážete ptát a rozvíjet odpovědi, které modely vrací. Chat GPT sám o sobě nepřijde zatím se systémem, který by byl použitelný tak, jak jej sám vygeneruje. Ale dokáže inspirovat. Představte si, že byste o stavbě mean reversion systémů vůbec nic nevěděli. A jak je vidět výše, stačí pár otázek a rázem máte nejen představu, jak vše funguje, ale i konkrétní backtesty a kódy, se kterými jde dál pracovat. A takto jde postupovat v dalších oblastech. Potřebujete rozvíjet momentum strategie? Můžete s GPT diskutovat o momentum faktorech, které ostatní obchodníci ve svých systémech používají, nechávat je ověřit backtesty a smysluplně vypadající myšlenky implementovat například do Amibrokeru. Podobná prostředí jsou z mého pohledu opravdu revolucí posouvající možnosti retailových obchodníků s omezenými budgety na vývoj a výzkum blíže k tomu, co si mohou dovolit různé instituce (které ale mají s vývojem také neuvěřitelné náklady na mzdy analytiků).

Foto ©iStockphoto.com/aldomurillo Předcházející díl článku naleznete v článku Zkušenosti s vývojem jednoduchého, ale profitabilního AOS – cesta tradera Mirka. V diskuzi jste jednou uvedl, že přestože je systém robustní a obchodujete jej živě již přes 1,5 roku, i tak jste s ním zažil krušné chvilky a ztráty díky tomu, že jste jej začal obchodovat příliš agresivně. Je možné se podělit i o tuto „lekci“? Cca po roce studia, programování a backtestingu jsem nasadil první strategie na papertrading na demoúčtu a zanedlouho jsem otevřel i skutečný účet. Sice malý (asi 500 USD), ale šlo mi spíš o ověření systému v reálných podmínkách. Zařekl jsem se, že od té doby na něj nesáhnu... Musím říct, že i když za mě obchoduje počítač, měl jsem co dělat, abych zvládnul své emoce i při pouhém pohledu na průběh obchodů. Asi po 100 obchodech jsem se ale už docela uklidnil. Pomohla mi i týdenní dovolená, kdy jsem nechal věci být a odjel, děj se vůle boží... A ono to šlo, po návratu mě přivítal mírný zisk Mezitím už jsem ale pracoval na „vylepšení“ systému. Optimalizoval jsem vstupy tak, aby strategie na backtestech dávaly co nejvyšší výnos a měl jsem i docela štěstí, že se v rámci papertradingu systému dařilo. Tak jsem k tomu ještě zvýšil procento risku a tyto strategie nasadil na cca 10x větší skutečný účet... Má euforie však netrvala dlouho. Reálné výsledky systému v modifikované podobě byly kolem nuly, spíš horší. Ztratil jsem takto asi třetinu účtu. Tato ztráta však byla velice přínosná, pochopil jsem, jak nezodpovědně jsem se zachoval, a začal systém obchodovat opět v původní podobě. Upravil jsem jen pár detailů spíše technického charakteru. All2Gather ve své původní podobě stále běží, a protože v něj mám dostatečnou důvěru, zveřejňuji jeho průběžné výsledky zde: http://www.myfxbook.com/members/mctrade/all2gather/11336 Už jen studium výsledků vašeho systému, je myslím pro ostatní velmi dobrou školou. Děkuji, že se o své poznatky dělíte. Výsledky na myfxbook tedy reflektují systém tak, jak jste jej před 1,5 rokem naprogramoval? Některé parametry svého systému jsou pochopitelně trochu optimalizované (např. výběr dne kdy neobchodovat atd.), v systému žádné parametry v čase neměníte? To je skutečně praktický důkaz toho, že kombinace velmi jednoduchých věcí může dávat velmi robustní výsledky. Asi před rokem jsem vyřadil nepříliš povedenou strategii založenou na momentu pohybu ceny a nahradil ji strategií Breakout volatility. Jinak jsem ale na principech systému nic neměnil. Pouze když broker zavedl v kotacích o jedno desetinné místo navíc, musel jsem příslušně upravit i některé parametry, které nejsou relativními hodnotami (to je ale jen provozní záležitost). Záměrně jsem neupravoval ani dny v týdnu, kdy neobchodovat, byť vím, že ze strategie Léčka specialistů by bylo asi nejlepší vyřadit čtvrtek. Aktuální equity systému All2Gather. Poslední cca 2 měsíce jde equity systému spíše do strany. Řada obchodníků už by přemýšlela, jak systém změnit. Vy svému systému plně důvěřujete a předpokládám, že jej budete obchodovat pořád dál ve stejné podobě, je to tak? Jak by se musel vyvíjet scénář výsledků, abyste začal uvažovat o změně systému? Ano, systému plně důvěřuji. I kdyby šla equity do strany třeba půl roku, budu to považovat za naprosto normální. V souladu s plánem jsou i vyšší drawdowny, než jakých systém zatím dosáhl. Snažím se průběžně sledovat tvar rozdělení výsledků, poměry zisků a ztrát, odchylku a dělat testy spolehlivosti. Pokud bych měl pocit, že systém výrazně a dlouhodobě selhává, budu se snažit odhalit, v čem je problém, a tento pokud možno napravit. Pokud by equity např. protnula svou standardní odchylku nebo by nechtěla víc než rok dosáhnout nového maxima, zaměřil bych se jak na chyby technické, tak i na změny v chování jednotlivých strategií. Doufám, že se mi v budoucnu podaří vytvořit ještě lepší systémy, zatím mi ale All2Gather plně vyhovuje a hodlám jej obchodovat v nezměněné podobě, dokud to jen půjde. Svůj systém provozujete na virtuálním serveru. Jakou máte s touto cestou zkušenost? Je to skutečně tak jednoduché, že si objednáte VPS s Windows, nainstalujete software (ve Vašem případě MetaTrader) a ten funguje stejně jako na běžném desktopu? Můžete ostatním doporučit nějaké vhodné parametry VPS hostingu? Ano, je to velice jednoduché. Nechám si zprovoznit základní VPS s Windows a zabezpečením, zkopíruji na něj několik MetaTraderů (podle toho, kolik používám tradingových účtů) a mohu obchodovat. Menší nevýhoda je, že MetaTrader nemůže běžet jako Service, tj. uživatel musí být stále zalogovaný do systému. To je ale provozní záležitost. Pak už se jen stačí občas připojit pomocí vzdálené plochy. Pokud neukládám příliš mnoho historických dat, jedna instance MetaTraderu potřebuje cca 15MB RAM, 30 MB volného místa na disku, přenos dat několik GB měsíčně. Využití CPU je skoro nulové. Nejvíce mi vadí neohlášené restarty. Kvůli nim musím tak jednou denně server kontrolovat a případně znovu spustit všechny instance MetaTraderu. Doufám, že brzy zprovozním nějaký „WatchDog“, který v případě restartu pošle mail nebo SMS. Jinak ale VPS považuji za ideální řešení pro automatický trading. Server má dobrou konektivitu k internetu, málo výpadků, nachází se na fyzicky dobře zabezpečeném místě a je to i cenově výhodné (pár set Kč měsíčně). Při větším počtu reálných účtů je vhodné zvážit několik VPS v různých lokacích. Jaké máte zkušenosti s rozdíly backtestu Vašich strategií a výsledky reálného obchodování? Dá se říct, že moje reálné výsledky jsou oproti backtestům přibližně poloviční. To jsem vlastně i očekával, protože jsem se při optimalizaci parametrů strategií úplně nevyhnul pokušení vybrat hodnotu, která dávala co nejlepší poměr zisk/drawdown, a přitom okolní hodnoty byly o poznání horší. Věděl jsem však, že i při změněných tržních podmínkách bych měl mít kolem sebe dostatečně široké pásmo hodnot parametrů, které budou přinášet slušné výsledky. Určitě mám ještě co zlepšovat. Snažím se najít další způsoby, jak snížit počet proměnných, na kterých jsou strategie závislé a vůbec systém zjednodušovat, rozšiřovat testovací a validační množinu dat, dále rozvíjet systém řízení pozic, výstupy, money management, dělat sofistikovanější analýzu MAE/MFE a další. Vývojem jednoho systému jistě vaše cesta coby trader nekončí, spíše začíná. Jaké máte plány do budoucna? Profesně se zabývám mj. pokročilými metodami pro analýzu dat. Mám určité představy, jak v tradingu využít data mining, fuzzy logiku, case-based reasoning, statistickou analýzu apod. Zejména příprava a zpracování dat je však v těchto případech dosti náročná. Mám naštěstí kolem sebe stále se rozšiřující okruh lidí, kteří jsou schopni mi pomoci realizovat i tyto představy. Občas se na mě obracejí zájemci o naprogramování strategie podle jejich představ. Snažím se jim vyhovět, jen bych byl rád, kdyby specifikace byly podloženy určitým předchozím výzkumem. V opačném případě je taková strategie sice technicky funkční, ale v praxi v drtivé většině případů prodělečná. Nedávno jsme s partnery založili v Anglii firmu Empiricus Ltd. a chystáme se celosvětově poskytovat profesionální služby v řízení a obchodování Forex účtů, tzv. Managed Forex Accounts, s využitím našeho obchodního systému All2Gather. Máme plnou důvěru v systém All2Gather a chceme jeho možnosti a výsledky nabídnout i ostatním zájemcům. Pevně doufáme, že o naše služby bude zájem. Přeji všem hodně vytrvalosti při překonávání překážek, úspěch přijde automaticky ? Velmi děkuji za všechny čtenáře Finančníka za rozhovor a ochotu dělit se o zkušenosti na velmi detailní úrovni. Přeji hodně štěstí a úspěchů jak v tradingu, tak v rozvoji profesionální firmy. Ke stažení: Aktuální podoba obchodního plánu All2Gather (v angličtině, ve které svůj plán Mirek tvoří): All2Gather-v5-3.pdf

Po čase se vrátíme opět ke zkušenostem traderů, kteří dokázali proměnit touhu po úspěchu až do konkrétního profitabilního tradingu. V článku naleznete zkušenosti tradera, diskutujícím pod nickem Mirek77, který se s ostatními pravidelně dělí o zkušenosti s více než 1,5 lety ostrého provozu svého poměrně jednoduchého AOS na forexu, založeného na známých patternech Larryho Williamse. Článek je rozdělen do dvou dílů. Pokračovaní naleznete na Finančníkovi za týden. Mirku, můžete stručně představit svůj vývoj z pohledu tradera? Jak dlouho se tradingu věnujete, jaké cesty jste zkoušel a jak dlouho vám trvalo, než jste objevil svoji cestu profitabilního obchodování? Tradingem jsem se začal zabývat asi před třemi lety. Když jsem hledal způsoby, jak se naučit seriózně investovat, narazil jsem na pojem „trading“ jako takový a především na váš server Finančník.cz. Necelý rok jsem jen studoval, hledal inspiraci a cestu, jak nejlépe celou tuto problematiku pojmout. Zúčastnil jsem se vašeho spreadového workshopu, což mě opět posunulo hodně kupředu. Nicméně u spreadů jsem nezůstal, jako vhodnější se mi jevil Forex díky nižší kapitálové náročnosti a velké podobnosti s futures. Když jsem objevil platformu MetaTrader a možnost používat automatické strategie, tak jsem, zřejmě jako každý nováček, vyzkoušel snad všechny Expert Advisors (EA), co se daly sehnat. Výsledky byly samozřejmě naprosto nepoužitelné. Byl jsem z toho docela zdrcený. Na druhou stranu jsem ale věděl, že existují tradeři (např. Woodie), kteří profitabilní jsou. Dal jsem si tedy závazek, že do toho budu „bušit“, dokud bude potřeba. Studoval jsem tudíž kódy strategií a přístupy jejich autorů, četl knihy o tradingu a osobním rozvoji a úspěchy se pomaličku začaly dostavovat. Výsledky backtestů už nebyly katastrofální, pouze velice špatné. V průběhu studia dále špatné, nic moc, „nalej-vylej“, později i nějaká naděje na zisk. Zjistil jsem, že nemá cenu se honit za spoustou obchodů na nízkých timeframes, že denní a hodinové grafy mi dělají mnohem lepší službu, dosáhnout na nich dobrých výsledků je mnohem, mnohem jednodušší. Jak jsem se dozvídal nové věci, hned jsem se je snažil naprogramovat a otestovat. Zde bych rád podotknul, že programátorem jsem se nenarodil, ale musel jsem postupně zjistit (např. na fórech), jak nejlépe jednotlivé části strategie vyřešit technicky a vychytat hodně chyb (především vlastních). Postupem času přestávalo být udržitelné, abych měl pro každou strategii vlastní kód. Vytvořil jsem tedy univerzální EA a zavedl parametry pro výběr vstupů, výstupů, řízení pozice a filtry signálů. Sady (sety) těchto parametrů ve spojení s kódem samotným tvoří jednotlivé strategie systému All2Gather. Když už byly mé kódy na slušné úrovni, bylo třeba řešit overfitting. Výsledky backtestů vypadaly výborně, ale na nezávislém vzorku dat strategie prodělávala. S těžkým srdcem jsem musel „zahodit“ většinu svých tak pracně (pře)optimalizovaných vstupů a snažil jsem se o co nejmenší počet faktorů, které strategii mohou ovlivňovat. Tehdy mi hodně pomohlo studium přístupu a patternů Larryho Williamse. Zároveň jsem zkusil použít určité procento průměrné volatility trhu pro stanovení velikosti StopLossu, Profit Targetu a Trailing SL. Dále jsem zjistil, že je potřeba hledat takové oblasti nastavení parametrů strategií, kde i při jejich mírné změně nedochází k velkému zhoršení výsledků. Toto je samozřejmě časově náročné, ale MetaTrader mi umožnil udělat takových backtestů tisíce. Ověřil jsem si, že i v tradingu vede správná cesta přes spoustu neúspěchů a malých pokroků. Většina začínajících obchodníků má pocit, že svůj přístup musí postavit na nějakém velmi jemném a „tajném“ edge, nejlépe koupeném za velké peníze. Vy jste svůj plně automatizovaný systém založil na patternech Larryho Wiliamse, které jsou všem k dispozici v jeho knihách. Do jaké míry používáte pro vstup patterny v jejich základní podobě? Jsem silným zastáncem price action. Po této stránce mi patterny Larryho Williamse velmi vyhovují. Pokusím se tedy stručně popsat ty, se kterými dosahuji nejlepších výsledků. Reverzní den (Reversal day) Jak píše Larry ve své knize „Kompletní průvodce obchodováním komodit [1]” na straně 190: “Co když ale trh zavře níže než předchozího dne a zároveň níže než byla jeho otevírací cena?”... Jedná se podle něj o jeden z nejsilnějších býčích patternů. Open a Close jsou na Forexu dost relativní hodnoty, můj broker neobchoduje pouze přes víkend. Musel jsem si jej pro Forex tedy trochu upravit, protože jsem dostával příliš mnoho falešných signálů. Moje pravidlo pro nákup je následující: Místo Open a Close používám hodnoty Low z předchozích dvou dnů. Druhá část pravidla se snaží o vstup v souladu s trendem. Pravidlo pro prodej je opačné, s využitím hodnot High. Obvykle požaduji, aby byl vstupní signál potvrzen určitou „Tolerancí“ – cena se ještě musí pohnout ve směru zamýšleného obchodu. Vystupuji na prvním profitabilním Open (Bailout Exit), na základním StopLossu či ProfitTargetu. Ukázka vstupů na základě tohoto patternu: Léčka specialistů (Specialist’s Trap) Tento pattern jsem objevil v knize “Dlouhodobá tajemství krátkodobých obchodů”. Vezměme maximální a minimální cenu za předchozích 20 dnů. Pokud půjde cena pod toto rozpětí, situace se nazývá “range breakout”. Nazvěme čárku, která udělala tento breakout “čárka B”. Pokud druhá až sedmá čárka (já používám pouze třetí) po čárce B překročí High čárky B, jedná se o nákupní signál. Prodejní signál funguje opačně. Selhání “range breakout” je tedy originální Williamsovo pravidlo, x-tá čárka, při které selhání nastane, už však můj přídavný filtr či optimalizace. Vystupuji opět na prvním profitabilním Open (Bailout Exit), na základním StopLossu či ProfitTargetu. Breakout volatility (Volatility Breakout) Tento pattern označuje Larry Williams jako svůj vůbec nejsilnější. 50% včerejšího range (High – Low) se přičte k dnešnímu Open. Pokud cena překročí tuto hodnotu, strategie vstoupí do dlouhé pozice. Analogicky pro prodejní signál - tatáž hodnota se odečte od dnešního Open. Pokud cena klesne pod tuto hodnotu, strategie vstoupí do krátké pozice. Stop Loss se nastaví taktéž na 50% včerejšího range (tj. teoreticky na hodnotu dnešního Open). Strategie vystupuje z pozice buď na tomto základním StopLossu nebo na prvním profitabilním Open, resp. až v 7h ráno – moje pojetí Bailout Exit. 50% range je výchozí hodnota. Pro jednotlivé trhy je možno ji mírně upravit (např. na EURUSD funguje dobře 60% pro vstup a 40% pro StopLoss). Ukázka vstupů na základě tohoto patternu: Všechny zmíněné strategie obchoduji na denním timeframe. Pro filtrování vstupů dále používám Larryho koncept TDW (Trade Day of Week) – např. pro pattern Reverzní den na GBPUSD jsou to pondělí, úterý a pátek. Pro příklad - skutečná equity křivka strategie „Reverzní den“ od začátku obchodování: Předpokládám, že hlavní své know-how vidíte tedy nikoliv ve vstupu, ale v řízení pozice, risku, money-managementu a diverzifikaci. Můžete se s ostatními podělit o základní poznatky, které jste v této oblasti v souvislosti s obchodováním svého systému získal? Rozhodně. Nesnažím se hledat nějaké hodně velké „edge“, které by správně predikovalo směr trhu. Snažím se mnoho maličkých „edge“ spojit do jednoho systému. Začal jsem být úspěšný, když jsem pochopil, že nemám šanci uhodnout, kudy se trh v danou chvíli vydá. Naprosto nekompromisně musím dodržovat svůj systém a nechat se „volně unášet“ v rámci nastavených mantinelů. Nutnost použít základní StopLoss při vstupu do každé pozice, myslím, nemusím rozebírat. Pro řízení pozice používám u dvou ze čtyř strategií Trailing StopLoss (posun SL pod předchozí Low nebo nad předchozí High). Velice se mi rovněž osvědčil Williamsův Bailout, tj. výstup na prvním profitabilním Open. Jelikož můj broker umožňuje obchodování od 7h ráno, aplikuji ho v tuto dobu. Co se týká řízení rizika, pro každou pozici riskuji fixní procento zůstatku na účtu. Podle průměrné volatility stanovím velikost základního StopLossu a podle nastaveného rizika spočítám maximální počet lotů, které mohu v danou chvíli otevřít. Snažím se pravidla svých strategií co nejvíce zobecnit a relativizovat. Některé parametry sice nastavuji fixně, v dlouhodobém měřítku a v kombinaci s ostatními faktory to však není na závadu. Když při vývoji strategie váhám, pro kterou kombinaci parametrů se rozhodnout, preferuji tu, která dělá raději méně obchodů, abych se zbytečně nevystavoval riziku zůstávání v trhu. Ve chvíli, kdy mé „edge“ ztrácejí svůj potenciál, nezůstávám v trhu déle, než je nutné. Sleduji, jestli je strategie úspěšná díky náhodě (pár velmi ziskových obchodů za testované období) nebo zda zisku dosahuje pravidelně. Vyhýbám se přístupům s nízkým Risk-Reward Ratio. Strategie, které mají obrovský StopLoss, maličký ProfitTaking a tím vysokou úspěšnost, jsem už dávno opustil. Portfolio strategií se snažím sestavovat tak, aby výsledky obchodů jednotlivých strategií byly mezi sebou pokud možno aspoň trochu negativně korelované. Při sestavování strategií nehledám kombinaci, která maximalizuje zisk, spíše přihlížím k ukazatelům jako Sharpe Ratio, Sortino Ratio, standardní odchylce, zešikmení a špičatosti rozdělení výsledků obchodů, případně k dalším robustním metrikám. Pokračování rozhovoru naleznete na Finančníkovi v článku https://www.financnik.cz/clanky/serialy/live-trading/zkusenosti-s-vyvojem-jednoducheho-ale-profitabilniho-aos---cesta-tradera-mirka-dokonceni-r984/.