Prohledat Finančník.cz

Jedním z tradičních přístupů v systematickém obchodování s akciemi je strategie návratu k průměru (mean reversion). Tato strategie se zaměřuje na situace, kdy cena akcie dočasně vybočuje od své průměrné hodnoty a očekává se, že se brzy vrátí k normálu. Tradičně se pro časování vstupů používají nástroje technické analýzy. V dnešním článku se s vámi podělím o svůj inovativní přístup k časování vstupů vycházejících z očekávání opčních obchodníků. Obsah: Co je implikovaná volatilita? Co je realizovaná volatilita? Využití implikované volatility ve strategii návratu k průměru Praktické zkušenosti s obchodováním systému Dlouhodobý backtest systému Kombinace mean reversion systémů založených na implikované a realizované volatilitě Shrnutí Co je implikovaná volatilita? Pro časování vstupů a výstupů v rámci dnes popisované strategie budeme pracovat s tzv. implikovanou volatilitou (IV). Hodnota vyjadřuje očekávání obchodníků ohledně budoucích pohybů cen akcií odvozenou z cen opčních kontraktů. Tato volatilita se obvykle počítá na základě opcí s expirací přibližně 30 dnů a poskytuje představu o tom, jaké cenové pohyby mohou investoři v dané akcii očekávat v následujícím období. Pro využití IV nepracujeme s opcemi. Jde jednoduše o jedinou hodnotu, kterou stahujeme od svého poskytovatele dat. Pokud je například implikovaná volatilita akcie 15 %, znamená to, že trh očekává, že se cena této akcie bude během následujícího roku pohybovat o ±15 % kolem své aktuální hodnoty s 68% pravděpodobností (v rámci jedné standardní odchylky). Implikovaná volatilita je prakticky takový VIX index, ale pro jednotlivé akcie. Co je realizovaná volatilita? Realizovaná volatilita (historická volatilita) naopak vyjadřuje skutečné pohyby ceny akcie v minulosti. Zatímco implikovaná volatilita předpovídá budoucí pohyby na základě cen opcí, realizovaná volatilita se počítá z historických dat cenových pohybů akcií. Pro výpočet se běžně používá například indikátor Average True Range. Realizovaná volatilita je retrospektivní měřítko toho, jak moc se cena trhu skutečně měnila v určitém časovém období. Mnoho mean reversion strategií tradičně využívá právě realizovanou volatilitu k identifikaci momentů, kdy došlo k neobvyklým cenovým výkyvům, které pravděpodobně neodpovídají průměrnému chování dané akcie. Využití implikované volatility ve strategii návratu k průměru Mean reversion systémy využívající implikovanou volatilitu mohou být extrémně jednoduché. Sám postupuji následovně: Stahuji hodnoty implikované volatility pro jednotlivé akcie z Interactive Brokers. Porovnávám denní cenový pohyb s hodnotou denní implikované volatility. Pokud pokles akcie za jediný den překročí hranici denní implikované volatility, může to signalizovat, že trh ovládla panika a akcie se po zklidnění situace vrátí k průměru. Takové trhy nakupuji. Je-li systém v dlouhé pozici, snaží se vystoupit na profit targetu odvozeném z hodnoty denní implikované volatility – ta nám napovídá, jaký může být přibližně denní rozkmit trhu. Praktické zkušenosti s obchodováním systému Long mean reversion systém založený na porovnání denního pohybu s implikovanou volatilitou obchoduji živě od března 2024. Systém, kterému říkám DEEPDIP, obchoduji v rámci portfolia na svém větším účtu u Interactive Brokers. Systém mám nastavený tak, že čeká na extrémnější situace a neobchoduje tak příliš často. Od spuštění jsem živě zobchodoval 17 obchodů s anualizovaným zhodnocením 10,19 % při drawdownu -2,52 %. Sharpe ratio mých živých obchodů je 1,89. Zhodnocení systém dosáhl při průměrném využití 3,84 % kapitálu. Což je z mého pohledu opravdu excelentní. Takto vypadal jeden z posledních obchodů: Jde o typický mean reversion obchod, ve kterém je pozice otevřena maximálně několik dnů. Dlouhodobý backtest systému Na základě svých pozitivních zkušeností se systémem jsem DEEPDIP zařadil do systémů sdílených v dashboardu Trading Room. K dispozici jsou zde nyní úplně stejné signály, které sám zadávám do trhu. Zde je kopie backtestu z dashboardu Trading Room: Od roku 2019 je hypotetická (backtest) výkonnost systému srovnatelná s výkonností S&P 500, ovšem při podstatně nižším drawdownu (DEEPDIP -4,68 %, S&P 500 -33,70 %) a zejména při výrazně nižší alokaci kapitálu. Pro dosažení výnosů využíval DEEPDIP kapitál jen ze 4 %! Systém tak lze efektivně kombinovat do systematických portfolií s dalšími systémy. Kombinace mean reversion systémů založených na implikované a realizované volatilitě Využití implikované volatility k časování krátkodobých akciových obchodů je zajímavé i z toho důvodu, že vstupy bývají v úplně jiných situacích než při časování skrz realizovanou volatilitu. Analýza mých živých výsledků z roku 2024 ukazuje, že výsledky z long mean reversion strategie založené na implikované volatilitě a výsledky z long mean revision strategie založené na realizované volatilitě mají velmi nízkou a navíc negativní korelaci. Konkrétně jde o hodnotu -0,28. Sám tak ve svém US portfoliu obchoduji 3 mean reversion systémy – MR3000L (long systém vstupující na základě realizované volatility), MR3000S (short systém vstupující na základě realizované volatility) a DEEPDIP (long systém vstupující na základě implikované volatility). Signály všech systémů tak, jak je obchoduji, sdílím v Trading Room. MR3000 Long/Short je navíc k dispozici jako hotový swingový systém (viz - Swingový simple mean reversion (SMR) systém – „hotové kódy“). A takto vypadají mé živé výsledky tohoto „mean reversion portfolia“. Jde o skutečná plnění z Interactive Brokers mých reálných obchodů, které jsem jen přepočítal na kapitál 10 000 USD a alokaci přidělenou pouze těmto systémům: Černá linka představuje výkonnost „mean reversion“ miniportfolia, oranžová benchmark v podobě držení SPY. Při takto volených váhách (kdy bych měl v portfoliu jen tři mean reversion systémy) by tedy mé portfolio obchodovalo po započtení skluzů a poplatků podobně jako S&P 500, podstatné ovšem je, že průměrně alokovaný kapitál byl jen 32 %. Cca 70 % kapitálu bych mohl dále využívat v jiných systémech! Což je to, co přesně v rámci svého obchodování dělám. Stejný kapitál sdílený s mean reversion strategiemi ještě využívám v rámci momentum strategií a také v rámci intradenních strategií. Shrnutí Použití implikované volatility v obchodování návratu k průměru představuje podle mého názoru zajímavou alternativu k tradičním přístupům založeným na technické analýze a realizované volatilitě. Na rozdíl od realizované volatility, která se zaměřuje na minulost, implikovaná volatilita poskytuje představu o budoucích očekáváních trhu, a může tak pomoci lépe načasovat vstupy do obchodů. Tato metoda je obzvláště zajímavá v obdobích zvýšené volatility, kdy jsou cenové pohyby trhem výrazně podhodnoceny nebo nadhodnoceny. Osobně jsem se zatím nikdy s podobným využitím implikované volatility nesetkal a rozhodně si myslím, že tato cesta stojí za využití. Cesta k systému navíc není složitá. To hlavní, co dělám, je porovnání aktuálního poklesu trhu s implikovanou volatilitou stahovanou k jednotlivým akciím z Interactive Brokers. Pokud chcete systém využívat bez jakýchkoliv časových investic, zvažte práci se stejnou strategií, se kterou sám pracuji. Kompletní backtesty a své signály sdílím v rámci dashboardu Trading Room (spolu s dalšími strategiemi, se kterými obchoduji). Registrovat se můžete do Trading Room zde.

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).

V březnu jsem na Finančníkovi poskytl k dispozici v otevřené podobě kódy strategie tvořící jednu z hlavních součástí mého alternativního fondu – swingové mean reversion strategie SMR. Jak si mechanická strategie vede od publikování kódů? Princip mean reversion strategie je jednoduchý – shortuji/nakupuji akcie, které se příliš vzdálily od určité „férové hodnoty“. Pozice držím maximálně několik dnů. Naprosto konkrétně popisuji mean reversion strategie v bonusové video lekci dostupné ke knize Od myšlenky k reálným obchodům, kterou vnímám jako stále velmi aktuální a doporučuji k prostudování. Vše, co nyní dělám, jsem se snažil předat právě v této knize. A protože jsem přesvědčený, že nejdůležitější pro zvládnutí profitabilního obchodování je praxe, rozhodl jsem se na Finančníkovi nakonec sdílet i samotné kompletní otevřené kódy mechanické swingové strategie, kterou sám používám. Kódy jsem začal sdílet v březnu 2023 a na Finančníkovi je sdílím zde. Jaké trhy s mean reversion strategií obchoduji a co od ní očekávám, jsem v březnu popisoval v článku Simple mean reversion – statistiky, různé akcie a portfolio kouzla. V ní zmiňuji, že swingové mean reversion obchoduji v USA na všech akciích s určitou likviditou (podrobná pravidla jsou součástí sdílených kódů, ke kterým je připraven i další podrobný výklad v podobě videí). Pojďme se podívat, jak se sdílené strategii na US akciích vedlo od března 2023, kdy jsem kódy sdílel: Červená linka je výkonnost SMR short, modrá linka SMR long, černá linka výkonnost obou strategií dohromady. V grafu jsou uvedeny hypotetická plnění všech signálů tak, jak je generuje software (pochopitelně se zahrnutím komisí). Vstupuji limitními příkazy. Podle obchodovaných pozic tak nemusí vždy dojít k plnění, ale sám s tímto v alternativním fondu nemám problém. U short strategie zase nemusí být vždy k dispozici shares k shortování akcií – tedy uvedená výkonnost není garancí toho, jakých výsledků bychom přesně dosáhli, ale shrnutím výsledků testu sdílených pravidel. A výsledky od března do konce června vůbec nejsou špatné. Od března měl systém (long/short) celkem 195 obchodů, anualizované zhodnocení odpovídá hodnotě 27,65 %, systém obchodoval s úspěšností 63,08 %, anualizovanou průměrnou volatilitou 16,25 % a sharpe ratio 1,65. To pochopitelně v případě, že byste obchodovali systém samostatně, s alokací celého účtu, a exekvovali všechny jeho signály. Na sdílenou strategii, která vás může provést začátky systematického obchodování s mechanickými pravidly, to myslím vůbec není špatné. Samozřejmě v budoucnu se budete patrně chtít, stejně jako já, diverzifikovat dalšími obchodními styly, ale swingové mean reversion mohou být cesta, jak konkrétně začít. Sdílená strategie pochopitelně nepředstavuje svatý grál. Je to ale konkrétní nástroj, se kterým se můžete s trhy seznamovat skrz reálnou strategii a reálné obchodní situace. A ty z mé zkušenosti naučí obchodovat nejvíce. Na výše uvedeném grafu je například vidět, že SMR short si prošla v minulém měsíci menším drawdownem, ze kterého se poslední týdny vyšplhala zpět na nové maximum. A to jsou z mé zkušenosti přesně situace, kterými si musí projít každý obchodník, aby začal svému stylu obchodování důvěřovat a postupně byl mentálně schopen riskovat vyšší kapitál. A pokud hledáte v této oblasti asistenci, tak mohu doporučit Trading Room, kde mj. sdílím každý den signály k více než deseti strategiím (pro jejich sledování tak nepotřebuje mít žádná data ani software), diskutuji co a jak v trzích v rámci systematického portfolia dělám a především jsem k dispozici poradit se vším, s čím v trzích budete bojovat. V rámci předplatného Trading Room získáte navíc přístup k různým kurzům, nyní aktuálně k probíhajícímu Workshopu profitabilního obchodování od A do Z, ve kterém budeme od pondělí měsíc společně obchodovat a diskutovat swingové portfolio obsahující právě i simple mean reversion systém.

Obchodní systém je pro profitabilní systematické obchodování nezbytným základem. Zde jsou mé tipy, jak postupuji při jeho vytváření. Konkrétně na systému, který právě vyvíjím. Nejrobustnější jsou ty nejjednodušší přístupy Může to znít paradoxně, ale čím komplikovanější pravidla systému máte, tím snazší je takový systém na historických datech vytvořit. Budete-li pracovat například s kombinací pěti indikátorů, poměrně rychle na historických datech naleznete takové systémy, které historicky vytvářejí krásně rostoucí výkonnostní křivky. Bohužel ty se ale skoro s jistotou nebudou opakovat v budoucnosti, protože vytvořené systémy budou přeoptimalizované (tj. napasované na historická data). Mnohem těžší je vytvářet jednoduché systémy. Hlavně proto, že pro jejich nalezení musíme otestovat mnoho cest, které nikam nevedou. Ale právě o tom je práce tradera. Ostatně tento „paradox“ je důvodem, proč většina začínajících obchodníků funkční systém na začátku své kariéry tradera nevyvine. Skrz systémy se snaží replikovat „přemýšlení“ nad trhy, což vede k logikám plným podmínek a tudíž k přeoptimalizaci. Základem systému, který má šanci na profitabilitu v budoucnu, tak musí být jednoduchá funkční myšlenka. Jak ji nalézt? Dobrým tipem může být zkoumat trh nejprve jako celek. Například takto vypadá můj jednoduchý tester, ve kterém vyhodnocuji pravděpodobnosti toho, jestli trh další den poroste nebo bude klesat a jestli bude pohyb výrazný. A to jak na všech úsečkách, tak i poté, co je splněna na předcházející úsečce určitá podmínka, kterou bych mohl použít do systému. Pointou tohoto přístupu je, že jednak zkoumám velký vzorek dat, ale především testuji myšlenku bez ohledu na konkrétní vstupy, výstupy, stop-lossy, kde již pravděpodobnosti výrazně ovlivňují kombinace všech použitých prvků systémů. A nemusí tak být zcela jasné, jaký prvek má na výsledek nejvyšší vliv. Na výše uvedeném screenshotu například vidím, že pravděpodobnost toho, že trh Nasdaq bude v denní seanci klesat, je za sledovaných 5 252 obchodních dnů 45,89 % (bod 1). Pokud se podívám na podmínku, že včera trh uzavíral níže, než byl průměr uzavíracích cen za předchozích 20 dnů, tak vidím, že této podmínce odpovídá 1 932 obchodních dnů (bod 2) a v těch následující dnech klesala obchodní seance v 47,05 % (bod 3). Daná podmínka tak určitě jako nějaký zásadní indikátor pro pokles nevypadá. Stejně tak nezvyšuje volatilitu pohybu. V libovolný obchodní den je šance na pokles větší než průměrný předchozí denní rozkmit trhu (ATR) 4,84 % (bod 4), v případě splnění testované podmínky je to 5,43 % (bod 5). A takto se dá pokračovat. Podobnou jednoduchou logikou lze vysledovat, co má na trh vliv a co nemá. A pak stavět systém například jen s využitím jediné logiky. Použitý nástroj je jednoduchý, ale proces vytváření robustních systémů snadný není. Hlavně proto, že budeme vesměs nacházet logiky, které nefungují, což může být pro začínající obchodníky frustrující. Ale opět to dává smysl. Většině obchodníků se v trzích nedaří. Pokud chce člověk uspět, musí jít méně pohodlnou cestou, kterou se většina nevydává. Aby člověk uspěl jako trader, musí tak chtě nechtě pracovat i na sobě samém. Většinou je třeba zapracovat na našich modelech přemýšlení a chování, abychom byli schopni dotahovat procesy, které jiní vzdají. Osobně se snažím na sebe aplikovat různé prvky kognitivních behaviorálních tréninků. Pracuji se strukturou úkolů, které jsou praktické a mají jasné cíle. Osvědčilo se mi práci průběžně komunikovat tak, jako bych ji sdílel s koučem, který mi poskytuje zpětnou vazbu. Dříve to byli různí jednotliví spolupracovníci, dnes mám za kouče tým v Trading roomu, kde svůj progres sdílím. Toto je myslím velmi dobrá rada – pokud pracujete na velkých úkolech, jako je vývoj celosvětově konkurenčního obchodního systému, nesnažte se nad ním přemýšlet izolovaně. Najděte si někoho, kdo bude vaším kritikem a s kým můžete myšlenky sdílet. Donutí vás to dodržovat smluvené termíny vývoje, formulovat závěry bádání do jasných výstupů (a tudíž myšlenky dotahovat), ale také se na vše dívat kriticky. Je to proces, který vám pomůže nejen v tradingu samotném, ale solidně pomáhá ke změně pracovních návyků, čímž nám dále pomáhá stát se lepšími obchodníky. Hledáte cestu, jak se dostat ke konzistentním profitům? Rádi byste i v aktuálním kontextu obchodovali stabilně a bez emocí? Určitě si přečtěte novou knihu Od myšlenky k reálným obchodům Implementujte již od samotného začátku své praxe důležité systematické procesy a správné myšlení, které výrazně zvyšuje šance na stabilně profitabilní obchodování. Inspirujte se, jak trading dělat jinak a lépe. Nyní například pracuji na strategii intradenních breakoutů volatility. Tím, že všechny své myšlenky vývoje sdílím se svým „koučem“, kterým je pro mě tým v Trading roomu, mě už samotná komunikace nutí fungovat určitým stylem. Například jsem některé testy dopracoval do podoby, abych je mohl sdílet a rozuměli jim ostatní. Už jen tím jsem si uvědomil určité souvislosti nad daty, které jsem dříve přehlížel a mohl se posunout dál. Navíc mi „kouč“ v podobě pracovního týmu pokládá otázky, na které musím hledat odpovědi: Podobné dialogy jsou klíčové a to i v případě, kdy je třeba mým cílem odpovědět na to, proč daným směrem strategii stavět nechci, kdy pro své odpovědi musím hledat logické argumenty. Už to vede k myšlenkám, které bychom jinak nenacházeli. Vaším koučem může být někdo z kamarádů, rodiny. Nemusí jít o lidi vysoce zkušené v obchodování. Protože i hledání odpovědí na jejich dotazy může odhalit nedostatky, které jste zatím nedomysleli a motivovat vás k práci na bádání novými směry. To je přesně to, čím například nyní procházím ve své skupině. Po několika týdnech práce jsem vytvořil první prototyp long/short breakoutu volatility, který generuje velmi solidní výkonnostní parametry s absolutně triviální logikou, u které nemám pochyby o tom, že bude pracovat do budoucna. Zatím jsem myšlenky testoval jen na datech akciových indexů, na kterých jsem sám plánoval strategii obchodovat. Několik obchodníků mě ale doslova tlačilo otestovat myšlenku na intradenních datech samotných akcií. To nebyl úplně jednoduchý krok, neboť systémy vyvíjím v co nejjednodušších nástrojích (de facto pracuji s analýzami podobnými práci s tabulkovými procesory, které se dají skriptovat – konkrétně používám Python Pandas, které se na Finančníkovi hodně věnujeme v TechLabu – viz poslední minikurz). Musel jsem tak určitým způsobem opět vystoupit z komfortní zóny toho, „co mi funguje“ a pustit se do práce na nové oblasti. Ovšem už první testy ukázaly, že to možná nebyl špatný krok a kdo ví – možná nakonec budu strategii obchodovat na jednotlivých akciích. První test logiky intradenního breakoutu volatility, který jsem na žádost „kouče“ v podobě obchodníků z týmu Trading Roomu přenesl na data akcie TSLA. Konkrétně short breakout a na první pohled tendence nevypadá špatně. Přitom jde o směr, kterému bych se patrně bez zpětné vazby vůbec nevěnoval. Uvidíme, kam mě další testování a zpětná vazba týmu nad průběžně publikovanými výsledky dovede. Trading je o kontinuálním vývoji. Systémů a sebe sama. Tomu je dobré vše přizpůsobit. Protože jinak budeme k obchodování přistupovat v momentě, kdy hledáme jeden „svatý grál“ a jinak v situaci, kdy víme, že musíme být v určitých ohledech vždy lepší než většina a tímto směrem se rozvíjet. Shrnutí mých tipů při vývoji systémů: Snažte se vytvářet co nejjednodušší systémy obsahující jen logiky, které prokazatelně trhy ovlivňují. Najděte si prostředí/kouče, před kterým budete muset svůj vývoj obhajovat a vysvětlovat vše, co není jasné. Čím méně sofistikované nástroje pro vývoj budete používat, tím vyšší je z mé zkušenosti šance, že naleznete principy, které budou fungovat v budoucnu. Je extrémně snadné nahodit některou z moderních platforem pro backtestování, během pár minut naklikat základní podmínky obchodního systému, spustit backtest a s testovanou myšlenku skončit. Používání méně sofistikovaných nástrojů vás povede také k vývoji jednodušších, ale o to potenciálně robustnějších systémů. A jako vždy – o obchodování nového systému přemýšlejte v kontextu celého obchodovaného portfolia. Naším cílem by nemělo být vyvíjet perfektní systémy, ale dobře fungující diverzifikované portfolio.

K nově publikovaným hotovým kódům strategie Simple mean reversion jsem dostal řadu dotazů na výkonnost a chování na dalších trzích. V článku přináším mnoho testů, které mohou poskytnout inspiraci i při obchodování jiných vašich systémů. V prvé řadě ale malé upozornění. Historické backtesty jsou vždy jen orientační. Pokud vám v testech vyjde například nejvyšší historický drawdown 15 %, tak to neznamená, že v budoucnu nebudete mít vyšší. Naopak. S velkou pravděpodobností tomu tak bude. Osobně se tak více orientuji na metriky typu sharpe ratio, průměrná historická volatilita a na testech sleduji hlavně stabilitu výsledků na různých trzích a obdobích. Testy dokonce provádím na více platformách. Jednak proto, abych eliminoval možnost chyby v kódech (na každé platformě skriptuji strategii samostatně) a také proto, že různé platformy jsou různě pokročilé a umí třeba trochu něco jiného. A dnes už mě vůbec nepřekvapuje, že i po maximálním odladění skriptů mohou být v testech na různých platformách rozdíly – na jedné vidím např. průměrné roční zhodnocení 14 % na druhé 15,5 % a podobně. Důvodů může být celá řada, ať již drobné odchylky práce s historickými daty, nebo trochu jiné způsoby výpočtů indikátorů. Podstatné je, že výsledky různých testů se mohou trochu lišit. V dnešním článku publikuji testy z workflow, kde jsem více schopen používat portfolio simulace a maximálně přesně používám historická data akcií tak, jak byla obchodována v minulosti (samozřejmě zahrnuji delistované akcie, odděluji účtované dividendy atd.). Výsledky se tak v detailech mohou lišit od backtestů např. v Amibrokeru nebo MultiCharts. Ale jde skutečně o detaily, které osobně nepovažuji za podstatné. Všechny níže uvedené testy jsou za období 1.1.2000 – 5.3.2023. Backtest startuje s účtem 20 000 dolarů (lze použít i menší). Jsou aplikovány komise účtované běžně Interactive Brokers. Co se páky týče – jednotlivé strategie obchoduji bez páky. Každé strategii vždy přiřadím celkový dostupný kapitál (tj. první obchody pracují s 20 000 atd.). Na úrovni portfolia (SMR Short + SMR Long) je tedy použitá maximálně dvojnásobná páka v momentě, kdy by byly obsazeny všechny pozice Short i Long strany strategie (což se prakticky nestává). Níže uvedené testy pracují se zcela shodným nastavením, jako poskytuji v hotových kódech Simple mean reversion. Test 1 – základní SMR long a SMR short (Russell 3000) V doprovodné výuce k hotovým kódům Simple mean reversion aplikuji strategii na americké akcie obchodované v rámci indexu Russell 3000. Tato data jsou pro vytváření signálů poměrně dobře dostupná i bez toho, aniž by bylo potřeba používání dražších Norgate dat (můžete vyjít například z našeho Yahoo downloaderu poskytovaného v Techlabu, jehož součástí jsou i aktuální konstituenty právě indexu Russell 3000). Backtest indikuje zhruba následující historický průběh: Červená linka představuje SMR short, modrá SMR long, černá linka „portfolio“ SMR short + SMR long. Šedá výkonnost benchmarku – držení SPY (S&P 500 osobně používám jako univerzální benchmark ve svých portfoliích). Upozornění – zejména u shortů je historická výkonnost jen orientační, protože v backtestu nelze ověřit, jestli byla akcie skutečně shortovatelná či nikoliv. Strategie v tomto testu reinvestují kapitál, ale pouze „sami do sebe“ – tedy pozice SMR long se zvyšují tak, jak se zvyšuje equity křivka SMR long a stejně tak u SMR short. Základní statistiky celého portfolia (long + short): Počet obchodů: 12 930 Průměrné roční zhodnocení: 25,77 % Maximální drawdown: -28,77 % Průměrná historická volatilita: 9,62 % Sharpe ratio: 1,85 Úspěšnost: 61,83 % Průměrný zisk: 3,87 % Průměrná ztráta: -4,27 % Průměrné využití kapitálu: 59,15 % Test 2 – základní SMR long a SMR short (všechny US akcie) S poskytnutými hotovými kódy ale není nutné se omezovat na akcie konkrétních indexů. Sám například obchoduji všechny aktuálně obchodované US akcie. Pokud úplně stejný kód jako v testu 1 aplikuji místo na akcie Russell 3000 na všechny US akcie, dostanu následující výsledky: Červená linka představuje SMR short, modrá SMR long, černá linka „portfolio“ SMR short + SMR long. Šedá výkonnost benchmarku – držení SPY (S&P 500 osobně používám jako univerzální benchmark ve svých portfoliích). Strategie v tomto testu opět reinvestují kapitál pouze „sami do sebe“ – tedy pozice SMR long se zvyšují tak, jak se zvyšuje equity křivka SMR long a stejně tak u SMR short. Základní statistiky celého portfolia (long + short): Počet obchodů: 14 020 Průměrné roční zhodnocení: 35,50 % Maximální drawdown: -15,53 % Průměrná historická volatilita: 10,88 % Sharpe ratio: 2,29 Úspěšnost: 62,45 % Průměrný zisk: 4,23 % Průměrná ztráta: -4,53 % Průměrné využití kapitálu: 63,51 % Stejná šablona, ovšem lepší výsledky díky tomu, že obchodujeme více akcií. Test 3 – rebalancované portfolio (všechny US akcie) A nyní si pojďme ukázat malý trik, který má zásadní dopad na výsledky obchodování. Do obchodování zapojím rebalancování portfolia. SMR long je přidělen každý den 100 % dostupného kapitálu na úrovni portfolia. A stejně tak SMR short – také pracuje každý den se 100% dostupným kapitálem. Oproti testu 1 a 2 se tedy portfolio každý den rebalancuje. Pokud jedna strategie začne hodně vydělávat, výdělky jsou před novým vstupem rovnoměrně rozděleny do obou strategií – výdělky jedné strategie jsou použity nejen pro tuto jednu strategii, ale i pro druhou (a stejně při prodělcích). Stále pracuji se stejnou obchodní logikou a stejným nastavením kódů, které poskytujeme v rámci hotových kódů simple mean reversion strategie. Jen obchodovaná pozice je ovlivněna rebalancováním portfolia (tato simulace je dělána mimo Amibroker). Černá linka je equity rebalancovaného portfolia (SMR long + SMR short), šedá pro porovnání držení S&P 500 (akcie SPY). Základní statistiky celého portfolia (long + short): Počet obchodů: 14 020 Průměrné roční zhodnocení: 71,83 % Maximální drawdown: -22,83 % Průměrná historická volatilita: 19,02 % Sharpe ratio: 2,54 Úspěšnost: 62,50 % Průměrný zisk: 4,23 % Průměrná ztráta: -4,53 % Průměrné využití kapitálu: 63,51 % Rebalancování systematických portfolií je skutečně hodně mocná taktika, kterou sám u těchto strategií v rámci svého alternativního systematického fondu používám. Pozn.: Rebalancování portfolií nelze s poskytnutými hotovými kódy historicky simulovat (Amibroker toto neumí), ale samozřejmě taktiku lze s hotovými kódy aplikovat na budoucí obchody. Test 4 – rebalancované portfolio (všechny US akcie), výstup další den na OPEN V rámci Simple mean reversion strategie vystupuji při uzavření trhů a má to jednu ohromnou výhodu. Jelikož používám „MOC“ (Market On Close) příkazy, vystupuji za cenu, která je prakticky skoro vždy shodná s tou, kterou vidím jako denní uzavírací cenu na historických grafech (a tudíž mám ve svém obchodování vůči backtestům vesměs jen minimální skluz v plnění – vstupuji limity a vystupuji právě pomocí „MOC“ příkazů). Strategii lze ale určitě obchodovat i tak, že vystupujeme „další den za otevírací cenu“. Níže je uveden backtest, který se kromě času výstupu neliší s testem 3. V praxi ale bude třeba ještě u výstupu na otevírací ceně počítat se skluzem v plnění. Černá linka je equity rebalancovaného portfolia (SMR long + SMR short), šedá pro porovnání držení S&P 500 (akcie SPY). Počet obchodů: 14 094 Průměrné roční zhodnocení: 74,58 % Maximální drawdown: -21,53 % Průměrná historická volatilita: 20,09 % Sharpe ratio: 2,47 Úspěšnost: 61,85 % Průměrný zisk: 4,50 % Průměrná ztráta: -4,74 % Průměrné využití kapitálu: 63,28 % Výsledky jsou při výstupu tedy teoreticky dlouhodobě ještě lepší než na close. V praxi je ale třeba započítat skluzy v plnění a osobně bych si tipl, že výsledky tak budou s variantou 3 hodně podobné. Test 5 – rebalancované LONG portfolio (US a kanadské akcie) Poskytnuté hotové kódy lze použít nejen na americké akcie. Osobně strategii obchoduji i na dalších trzích – v tuto chvíli hlavně na kanadských, ale postupně plánuji spustit i další. Zde je pro ilustraci ukázka, jak vypadá rebalancované portfolio long strany (tedy bez shortování akcií, které zatím mimo US nedělám) amerických a kanadských akcií. Pro obchodování kanadských akcií je použit stále stejný kód, kde bylo jen nastaveno obchodování akcií od 1 USD (na kanadské burze jsou i velmi likvidní akcie obchodovány za nižší ceny). Jsou aplikovány komise tak, jak je účtuje Interactive Brokers (obchodování kanadských akcií je dražší než v US). POZOR: Pro zjednodušení není řešen kurzový rozdíl kanadský vs. americký dolar – akcie jsou obchodovány ve stejné měně (tedy backtest je v tomto směru orientační a neuvádím zde podrobné statistiky). Modrá linka US akcie, zelená kanadské akcie, černá portfolio – SMR long na kanadských a amerických akciích, šedá pro porovnání držení S&P 500 (akcie SPY). Test dobře ilustruje, jak je strategie robustní – lze ji bez modifikací pustit i na další trhy a lze se tak diverzifikovat (dlouhodobá korelace mezi oběma trhy na výše uvedeném grafu je jen 0,28). Shrnutí Swingové mean reversion strategie vnímám jako velmi robustní a tvořím s nimi jeden ze základních pilířů mého systematického portfolia. Samozřejmě strategie mají horší i lepší měsíce (a roky), ostatně o těch horších jsem psal nedávno v článku Co mi nyní funguje v obchodování? II. Ale dnes publikované testy ukazují, že základní princip swingového mean reversion je velmi silný. Za důležité považuji poměrně vyšší frekvenci obchodů, s jejíž pomocí lze podstatně zlepšovat výkonnost prostřednictvím rebalancování (viz výsledky testu 3 vůči testu 2). Strategie přitom obchodují se stále stejnou logikou. Jediné, co se mění, je position sizing. Konkrétní sdílenou strategii dále v portfoliu kombinuji s dalšími přístupy. Ale jak je vidět na výše uvedených testech, i jen samotné obchodování Simple mean reversion strategie představuje silnou obchodní taktiku. Tu můžete v naprosto stejné podobě zapojit do svého tradingu skrz poskytnuté hotové kódy strategie Simple mean reversion.

V minulém článku jsem popsal, co mi poslední měsíce funguje v rámci portfolia nejvíce – konkrétně short mean reversion strategie. Jak jsou na tom ale long mean reversion obchody? Mean reversion strategie obchodující akcie tvoří v tuto chvíli páteř mého portfolia, na kterém mám mj. postavený svůj systematický alternativní fond. Strategie obchoduji na long i short stranu – tedy nakupuji jak krátkodobé propady (mean reversion long), tak shortuji krátkodobé vrcholy (mean reversion short). Obchodované strategie se snažím vytvářet opravdu co nejjednodušeji (a co jsem dříve považoval za jednoduché, jsem poslední rok ještě zjednodušoval), a tak nikoho patrně nepřekvapí, že long a short mean reversion mají stejnou logiku, jen „zrcadlově obrácenou“. V minulém článku jsem ukazoval, že mean reversion short strategiím se poslední dobou daří solidně. S longy to byla v roce 2022 trochu jiná písnička. Long mean reversion obchod v mém pojetí znamená, že systém vyhledává trhy, které si v posledních obchodních seancích prošly výrazným poklesem. U těch zadávám limitní příkaz ve vzdálenosti určitého běžného rozkmitu trhu pod poslední uzavírací cenu. Pokud k této ceně trh intradenně klesne a jsem vyplněný, existuje vysoká šance (dlouhodobě více než 60 %), že se v nejbližších několika dnech trh „nadechne“ a systém bude moci ukončit pozici v zisku. Podrobně se popisu mean reversion strategií věnuji v knize Od myšlenky k reálným obchodům, jejíž přílohou je i komplet videí popisujících konkrétní pravidla mean reversion strategie. Logika long mean reversion vstupů je dobře vidět i na pozicích, které mám právě dnes (25.2.2022) otevřené na jednom ze svých účtů u Interactive Brokers: Hlavní graf zobrazuje long pozici v akcii CMC, která má za sebou výrazný pokles. V páteční seanci jsem proto zadával limitní příkaz na cenovou úroveň 50,96. Limitní příkaz byl vyplněn a na konci obchodní seance jsem zatím v otevřeném profitu +309 dolarů. Mimochodem vstupy u všech tří zobrazených pozic jsem dopředu rozesílal v rámci skupiny TradingRoom. Tedy jedna z ohromných výhod této metody obchodování je možnost si vše připravit dopředu evropské ráno a následně již s tradingem žádný čas netrávit. Aktuální pozice jsou v plusu, nicméně rok 2022 byl pro longy v mean reversion výzvou – zejména první měsíce 2022, kdy padaly technologické tituly často bez jakýchkoliv korekcí. Equity křivka mých long mean reversion systémů vypadala zhruba takto: Jaro 2022 poslalo long mean reversion do drawdownu, z kterého se systém dostává zatím jen velmi pomalu. Osobně toto ale nevnímám jako žádnou zásadní tragédii. Zejména proto, že obchoduji jednoduché strategie, u kterých rozumím jak vznikají jejich zisky a ztráty. A ztráty z longu u mean reversion akciových strategií byly začátkem roku 2022 v kontextu chování trhů prostě přirozené. Na výše uvedeném grafu je navíc vidět, jaké neuvěřitelné zisky měly long mean reversion strategie v roce 2020 a 2021. Jsem přesvědčený, že u strategií v budoucnu opět uvidíme nová high. Ovšem ztráty strategie 2022 mě průběžně nutily přemýšlet o tom, jak jednoduché mean reversion strategie dále diverzifikovat. Jako velmi triviální cesta se ukázala začít je obchodovat na dalších trzích. Takto v betaverzi mé aplikace pro TradingRoom vypadá equity křivka prakticky stejné long mean reversion strategie na kanadských akciových trzích: Strategii se zde daří poslední měsíce mnohem lépe (výsledky strategie vytváří nová maxima zisků) než v USA, přestože logika systému je úplně stejná. Dnes kanadskou verzi mean reversion systému již obchoduji spolu s US verzí živě na svém účtu a mým plánem je postupně do portfolia přidávat další regiony. Tento přístup velmi dobře reprezentuje můj pohled na profitabilní trading. Pracuji s jednoduchými strategiemi, kterým rozumím. Chápu, že strategie nemohou vydělávat 100% času a je potřeba se diverzifikovat do portfolií. V těch lze ale vymýšlet jen omezený počet logik. Další diverzifikaci tak přináší obchodování stejných logik na dalších trzích. A když už jsem zmínil téma portfolií, zde je ukázka toho, jak vypadá dohromady long mean reversion strategie se short mean reversion strategií. Jde o strategie vyučované ve swingovém workshopu, kde jsou nazvány SMR_S (short mean reversion - červená linka) a SMR_L (long mean reversion - zelená linka). Strategie jsou velmi podobné těm, co sám obchoduji jako MR3000. Černá linka reprezentuje portfolio výkonnosti obou strategií dohromady: Long i short verze mají pochopitelně své propady (ty pro dlouhé pozice jsem ostatně popsal v tomto článku). Výkonnost obou strategií dohromady je ale mnohem stabilnější. Už jen tyto dvě strategie dohromady dlouhodobě překonávají benchmark při výrazně nižší volatilitě a především s výrazně nižším zapojením kapitálu (jen cca 50 % kapitálů vůči tomu, co je potřeba při držení indexu). Takto vypadá spojená výkonnost backtestu long + short mean reversion vs. benchmark v podobě S&P 500 (šedá linka): Volný kapitál je tak možné využívat do dalších strategií (nebo trhů) a tím dál posouvat výkonnost a snižovat volatilitu. Což je přesně princip, který ve svém obchodování využívám a důvod, proč se tolik nezatěžuji drawdowny v rámci jednotlivých strategií.

Poslední rok v trzích je pro tradera výzvou. Na svět působí mnoho nových fundamentů a spousta principů v trzích funguje jinak než dříve. Některé dříve perfektně fungující strategie tak aktuálně stagnují, jiným se daří nadmíru dobře. Pojďme se podívat na to, které to jsou. Patrně nejprofitabilnější jsou za poslední měsíce různé short breakout strategie, které ale ve větší míře v portfoliu nemám. Shorty obchoduji zatím hlavně přes mean reversion – tedy prodávám trhy, které krátkodobě rostou. Ovšem i tak jsou to právě short mean reversion strategie, kterým se poslední měsíce daří opravdu dobře. Short mean reversion strategie obchoduji na amerických akciových trzích. Princip je velmi jednoduchý – shortuji akcie, které se příliš vzdálily od určité „férové hodnoty“. Pozice držím maximálně několik dnů. Naprosto konkrétně, tj. včetně všech pravidel, popisuji mean reversion strategie v bonusové video lekci dostupné ke knize Od myšlenky k reálným obchodům, kterou vnímám jako stále velmi aktuální a doporučuji k prostudování. Vše, co nyní dělám, jsem se snažil předat právě této knize. Mé obchodování je 100% mechanické, a tudíž replikovatelné. O to větší hodnotu vnímám ve sdílení zkušeností, jak se strategiím daří. Swingové short mean reversion strategie mám ve svém živém portfoliu dvě. Zde je náhled na výsledky swingové strategie MR3000S skrz nový dashboard, který již brzy spustím pro účastníky TradingRoomu. Jde o skupinu, ve které sdílím strategie, které sám obchoduji na svých účtech (včetně svého alternativního systematického fondu): Strategie má za sebou poslední rok výjimečně stabilní období. Začátkem roku 2021 překonala poslední drawdown a od té doby vytváří prakticky stále nová maxima. Podobně je na tom druhá short swingová strategie MRS2, kterou živě obchoduji a kterou také budu v novém dashboardu TradingRoom sdílet. Tato strategie obchoduje podobný princip jako MR3000S, jen čeká na větší cenové extrémy, proti kterým vstupuje short. I zde je vývoj posledních měsíců velmi pozitivní. Short mean reversion strategie tedy vítězí v bitvě o profity v rámci mnou obchodovaných portfolií za poslední měsíce na plné čáře. To, že fungují i ostatním, dokládají výsledky publikované ukázky tradera Illka, které jsme sdíleli zde. V jeho portfoliu ubyla nejvýnosnější strategie FastShort, kterou jsem vyučoval na Swingovém workshopu (a která byla v mém portfoliu předchůdcem právě MR3000). Jaké jsou mé pohledy na další vývoj short swingových strategií? Výkonnost strategií se v čase mění podle makroekonomického kontextu. Proto obchoduji portfolio strategií, které se vzájemně doplňují a sdílejí mezi sebou kapitál. Například v aktuálním kontextu trhů řada dlouhodobých strategií nakupujících akcie stojí „stranou“ a jejich kapitál ideálně zužitkovávají například právě short strategie. Short akciové strategie vnímám jako vhodnou součást portfolia. Nicméně to, že dobře fungují nyní, by nemělo vést k příliš vysokým alokacím. Přeci jen dlouhodobě mají výrazně lepší risk profil long strategie. Osobně alokuji do jedné short swingové pozice dnes maximálně 2,2 % kapitálu portfolia (do longu i více) a zvažuji, že alokaci budu ještě trochu snižovat. Větší alokaci dávám do swingových long strategií, které jsem začal obchodovat i na trzích mimo USA (podrobněji se chci tématu věnovat v dalším článku) a zvyšoval jsem také alokace do intradenních long i short mean reversion strategií. Jejich obchody stále v reálném čase publikuji na finwin.cz. Výhodu short intradenní pozice vnímám jednoznačně v lépe kontrolovatelném risku, protože pozice není držena přes noc, kdy v akciích nelze používat stop-lossy. Každopádně na výše uvedených screenshotech je patrné, že i mean reversion akciové strategie mohou ve své short podobě hodně portfoliu pomoci v době, kdy trhy padají a strategiím nakupujícím akcie se nemusí dařit tak dobře jako v době celkového růstu trhů. Jak zvládnout obchodování swingových mean reversion strategií? Začít doporučuji zmíněnou knihou Od myšlenky k reálným obchodům poskytující nezbytný psychologický základ k tomu, aby byl člověk vůbec schopen profitabilní obchodování správně uchopit. A následně v knize (resp. její on-line příloze) naleznete i konkrétní principy swingových mean reversion strategií. Pro pomoc při uvádění strategií do praxe živého obchodování doporučuji Swingový workshop, který budeme letos pořádat v přepracované podobě a budu v něm sdílet mj. právě i swingovou strategii MR3000 long/short. Tip: V případě zájmu se přihlaste pomocí formuláře na spodu stránky s popisem swingového workshopu k odběru avíza na nový termín, většinou před spuštěním posíláme na zadané e-maily speciální nabídku.

Podstatná část mého systematického portfolia obchoduje krátkodobé swingové mean reversion strategie na akciových trzích. Svou výkonnost průběžně porovnávám s benchmarky, abych získával odpověď na to, jestli mé strategie fungují i v době, kdy si procházejí drawdowny. Osobně jsem se svými mean reversion strategiemi letos s výkonností „kolem nuly“, což s ohledem na pohyby, které jsme tento rok v trzích viděli, vnímám jako velmi pozitivní. Mean reversion strategie v zásadě obchodují proti trhu. Tedy nakupují, co padá, shortují, co roste. Jako všechny strategie mají lepší a horší roky. Ten letošní určitě patří k těm horším hlavně proto, že mnoho akciových titulů padalo ve velmi volatilních pohybech, které se k meanu nevracely. Ovšem jako velmi pozitivní vnímám, že výkonnost mých systémů, které obchoduji ve svém fondu, byla mnohem lepší, než pokud bych klasicky držel akcie (buy and hold některého z indexů). Jak ale při horší výkonnosti poznat, jestli systém funguje nebo třeba přestal pracovat díky přeoptimalizaci? Osobně porovnávám jeho výkonnost k benchmarkům, které si vytvářím. Ty představují absolutně nejjednodušší formu obchodovaného principu. U mean reversion vypadá můj benchmark následovně: Sleduji akcie daného indexu, jejichž cena je vyšší než 20 dolarů a průměrné volume za 20 dnů vyšší než 200 000. Sleduji akcie, které mají dostatečnou volatilitu a které se obchodují nad svým dlouhodobým klouzavým průměrem MA200. Pro LONG sleduji akcie, které uzavírají níže než MA5 – 1 * ATR5. U nich další den otevírám obchody limitním příkazem ve vzdálenosti Close - 0,75 * ATR5. Pozici uzavřu na prvním rostoucím dnu, nebo pokud je obchod otevřen 5 dnů. Pro SHORT sleduji akcie, které uzavírají výše než MA5 + 1 * ATR5. U nich další den otevírám obchody limitním příkazem ve vzdálenosti Close + 0,75 * ATR5. Pozici uzavřu na prvním klesajícím dnu, nebo pokud je obchod otevřen 5 dnů. V rámci bechmarku obchoduji všechny možné signály bez ohledu na kapitál. Nesleduji obchodní poplatky. Zajímají mě hlavní charakteristiky výsledku při obchodování všech signálů. Takto jednoduché benchmarky v zásadě vystihují základní princip zachytávaného edge. Pokud by benchmarky rostly, ale výkonnost mého živého obchodování klesala, byl by čas hledat ve svých vlastních systémech chybu. Pokud by benchmarky začaly vykazovat nějakou zásadní změnu vůči historickým průběhům testů, bylo by třeba přemýšlet, jestli je daná alfa v trhu stále přítomná. Nyní vypadá situace následovně. Benchmark aplikovaný na akcie indexu Russell 3000: Benchmark aplikovaný na akcie indexu S&P 500: Benchmark aplikovaný na akcie indexu Nasdaq 100: Benchmark aplikovaný na Biotech akcie: Benchmark aplikovaný na akcie indexu Russell MicroCap: Benchmark aplikovaný na akcie indexu Russell MidCap: Benchmark aplikovaný na kanadské akcie indexu S&P/TSX Composite (zde bez ohledu na cenu akcie): Červená linka zobrazuje výkonost short části strategie, modrá long část. Černá linka výkonnost celého portfolia (long + short). Grafy jsou v logaritmickém měřítku. Strategie jsou ošetřeny na survivorship bias – obchodují jen akcie, které byly v den obchodu v indexu. V rámci svého portfolia obchoduji široké spektrum US akcií a kanadských akcií. U US mě tak nejvíce zajímá benchmark akcií indexu Russell 3000, jehož výkonnost jde poslední cca rok a půl do strany. Což vesměs odpovídá tomu, co se děje na mém účtu. Na dlouhodobém grafu benchmarku je ovšem patrné, že největší zisky z mean reversion přicházejí cyklicky. U svých strategií tak zatím žádné zásadní změny nedělám a budu sledovat, jak se budou vyvíjet benchmarky v průběhu příštího roku, až se trhy opět trochu ustálí. Mimochodem – na první pohled vypadá nejzajímavěji equity křivka benchmarku vycházejícího z kanadských akcií (na živém účtu obchoduji zatím jen long složku). To jde v souladu s mým přesvědčením, že dobře fungující algoritmické strategie z US trhů lze ještě profitabilněji obchodovat na trzích, které nejsou ještě tak těžce algoritmicky vytěžované.

Začátkem roku 2021 jsem v sérii YouTube videí popisoval, jak postupovat krok za krokem při stavbě nového obchodního systému. Začal jsem zkoumáním myšlenky, pokračoval přes backtest až k prvnímu nasazení strategie živě. Videa můžete stále nalézt na stránce finwin.cz. První obchod jsem provedl 28.1.2021 a od té doby dokumentoval každý nový provedený obchod. Jakkoli bláznivě to může znít, tak i prostřednictvím vstupů, které publikuji prakticky v reálném čase na Twitteru (rychlý přehled obchodů můžete najít na zmíněné stránce finwin.cz). Cílem celé série bylo ukázat, že systematické vydělávání na burze není nedosažitelné. Podstatné je dodržovat určité základní zásady, které jsem se snažil co nejpodrobněji popsat i v knize Od myšlenky k reálným obchodům a jsem přesvědčený, že vydělávat může každý s dostatkem odhodlanosti. Pochopitelně, že v době počátku publikování seriálu jsem nemohl vědět, jak obchodování Finwinu skončí. Nicméně moje zkušenost ukazuje, že pokud se pracuje s tzv. „idea first“ metodou popsanou i v knize, většinou se pozitivní výsledky dostaví. I proto jsem se nebál poslat Finwin na burzu s reálnými penězi. A vyplatilo se. Po roce je equity křivka Finwinu na historickém maximu. Takto vypadá equity křivka systému, pokud bychom jej obchodovali s účtem 20 000 dolarů: Za rok jsem se systémem zobchodoval 355 obchodů. Absolutně všechny obchody byly reportovány na Twitteru v reálném čase. Reportuji vždy vstup, výstup je na konci dne (jak je podrobně vysvětleno ve videích). Například takto vypadal Twitter včera (článek píši v pátek 4.2.2022): Systém shortoval dvě akcie – ARCH a QCOM. A takto vypadá plnění z mého účtu u Interactive Brokers: Na účtu je vidět nejprve short v QCOM za cenu 189.33 v 15:38:14 a následně short v akcii ARCH v 15:55:56 za cenu 110.99. Přesně, jak jsem v reálném čase reportoval na Twitteru. Pozice byly uzavřeny s uzavřením burzy – ve 22:00 českého času. Zisk si můžete spočítat sami nebo vzít ten z mé brokerské platformy – tyto dva obchody mi včera na účet přinesly 1 145,40 dolarů, tedy cca 24 000 Kč. To znamená, že sám dnes obchoduji Finwin s výrazně vyšším účtem než 20 000 dolarů – postupem času jsem pozice navyšoval. Finwin jde obchodovat s prakticky libovolným účtem. Dnes sdílím v Trading Roomu jak své signály, tak nástroj autotraderu, se kterým obchody exekvuji. Podobné metody lze obchodovat i s pár tisíci dolary (na výpise je vidět, že komise se pohybují kolem 0,30 dolarů /obchod, což je u IB minimum, které platí i pro menší pozice). Hledáte cestu, jak se dostat ke konzistentním profitům? Rádi byste i v aktuálním kontextu obchodovali stabilně a bez emocí? Určitě si přečtěte novou knihu Od myšlenky k reálným obchodům Implementujte již od samotného začátku své praxe důležité systematické procesy a správné myšlení, které výrazně zvyšuje šance na stabilně profitabilní obchodování. Inspirujte se, jak trading dělat jinak a lépe. Jelikož jsem sám dynamicky navyšoval v systému pozice, reportuji teoretickou výkonnost s účtem 20 000 dolarů. Ve výkonnosti tedy vstupy a výstupy odpovídají mému živému obchodování, ale velikost pozice vychází z uvedené hypotetické velkosti počátečního účtu bez reinvestování. Takto by pak vypadaly equity křivky long/short pozic, které jsem obchodoval: Červená linka představuje zisky shortů, šedá longů. Long i short pozice byly tedy ziskové, ale výrazně více zisků přišlo ze shortů. Což je skvělá zpráva, protože ve svém portfoliu používám Finwin dnes jako jednu ze složek diverzifikace akciových portfolií, které strategie spíše nakupují. Takto pak vychází porovnání dosažené výkonnosti Finwinu s vývojem SP500 (reprezentovaného tickerem SPY): Tmavá linka reprezentuje výkonnost Finwinu, šedá linka indexu. Na grafu je vidět, že výkonnost obou křivek je v důsledku velmi podobná. Finwin vydělal více, ale jen o trochu. Obě křivky mají roční míru zhodnocení kolem 20 % (Finwin bez reinvestování, které výkonnost ještě zvyšuje). Velmi podobné byly i drawdowny. Jak Finwin, tak index měly v průběhu roku nejvyšší drawdown kolem 10 %. V čem se ale systémy liší podstatně, je míra využití kapitálu. V indexu by byl kapitál investován celý (100 % účtu), Finwin kapitál používal z 1/3 (konkrétně 27 %). To je ohromný rozdíl, protože 2/3 kapitálu může pracovat a vydělávat v jiných strategiích, což je přesně to, co dělám v rámci svých diverzifikovaných portfolií. Navíc výkonnost indexu byla za poslední rok nadstandardní, jen málokdo myslím očekává, že indexy pojedou dále s roční mírou zhodnocení 20 %. Co se dalších statistik týče, Finwin ve svém prvním roce obchodoval s úspěšností 52,17 % a pozitivním RRR. Průměrný zisk byl 2,54 % účtu, průměrná ztráta 2,01 % účtu. Expectancy byla 0,36 %. Tedy průměrně lze u obchodu očekávat zisk 0,36 % účtu. Sharpe ratio za první rok obchodování bylo 1,43. Takto vypadala měsíční distribuce zisků a ztrát strategie: Dobře je vidět, jak strategii svědčí volatilita v trzích. Letos se strategii slušně daří v momentech, kdy si indexy procházejí propady. Proto tento přístup vnímám jako dobrý pro diverzifikaci pomalejších swingových strategií například ze swingového workshopu. Shrnutí S ročním výročím obchodování Finwinu jsem tedy naprosto spokojený. Jednak proto, že jsem sám vydělal nemalé peníze. Ale také proto, že si nedokáži představit o moc lepší inspiraci pro ostatní, než kterou Finwin poskytl. V sérii veřejných videí jsme si kompletně popsali, jak z myšlenky vykřesat konkrétní obchodní systém. Jak uvažovat při jeho nasazení. V průběhu roku jste na Finančníkovi mohli číst komentáře k vývoji strategie a po roce se ujistit, že nasazená strategie je s profity na maximech. Řada lidí zde na Finančníkovi dnes na základě publikované série určitou obdobu Finwinu obchoduje a vydělává. Jsem rád, že jsem mohl poskytnout inspiraci. V dnešní šílené inflační době je potřeba s penězi aktivně pracovat a automatizované systematické obchodování je z mého pohledu jednou z velmi perspektivních cest. Nejvíce se mi na ní líbí, že práci je třeba odvést jednou při stavbě systému a následně už „věci jedou samy“. Pokud hledáte asistenci s rozhozením podobného principu obchodování, pak doporučuji začít s knihou Od myšlenky k reálným obchodům. Rozhodnete-li se stavět podobný systém sami, můžete využít kompletní kód mean reversion strategie MR3000 sdílené v otevřené podobě ve swingovém workshopu. U strategie stačí předělat výstup na „EOD“ a Finwin je hotový. Pro pomoc s exekucí systémů se můžete zapojit do Trading Roomu. Zde sdílím přesně stejné signály, které sám obchoduji (a které následně publikuji na Twitteru), plus připravuji průběžně reporty, kde se naučíte na strategie nahlížet s využitím dalšího mého know-how. A samozřejmě je zde k dispozici i můj intradenní autotrader. Obchodníci s ročním členstvím jej dokonce získají v podobě otevřeného Python kódu a mohou tak libovolně strategie rozšiřovat již vlastním směrem bez nutné počáteční časové investice.

V tutoriálu si ukážeme, jak časovat v Amibrokeru vstupy v jednom trhu na základě signálů z trhu jiného. V druhé části videa se přepnu na svůj živý účet a podělím se o jeden tip, který vnímám jako velmi důležitý v rámci vytváření diverzifikovaného portfolia. Celý tutoriál naleznete v TechLabu zde.

Málokde na internetu se můžete zúčastnit vývoje obchodního systému, studovat jeho otevřená pravidla a sledovat jeho nasazení do živých trhů. A o tom přesně je intradenní Finwin, který mám dnes nasazen i ve fondu. Dnes si popíšeme update, který od pondělí se systémem plánuji. Co je Finwin 2021? Jde o intradenní systém obchodující akcie, jehož vznik jsem komentoval na našem Youtube kanálu. Prošli jsme si zde celým vývojem – od otestování základní myšlenky po sestavení pravidel obchodního systému až po nasazení do trhů v podobě plně automatického obchodování. Videa jsou stále linkovaná a k dispozici na stránce finwin.cz. Celá bezplatná výuková série ukazuje, že není tak neřešitelné v trzích vydělávat nemalé peníze a jak konkrétně na to. Od startu systému reportuji pPro maximální důvěryhodnost celého procesu všechny živé obchody v reálném čase na Twitteru, který je linkován také na stránku finwin.cz. Na stránce se objeví obchody doslova za pár vteřin poté, co je obchod vyplněn v brokerské platformě. Takto vypadá jeden z posledních obchodů, který systém otevíral v akcii NTNX 3.9.2021 v 13:54: A takto vypadá pozice ve výpisu mé brokerské platformy: Čas reportovaný u brokera je v jiné časové zóně, ale je jasně vidět, že na Twitteru se obchod objevil za 6 vteřin po vyplnění v platformě. Výstup je vždy v rámci uzavírací aukce burzy – používám příkaz „Market on Close“. V tomto případě byla pozice uzavřena za cenu 43.24, což byla uzavírací cena akcie NTNX daný den. Finwin tedy obchoduje maximálně transparentně a toto je z mého pohledu základní předpoklad k tomu, aby stála metoda za studium. Jakých výsledků Finwin dosahuje v živém obchodování? V rámci Twitteru nereportuji velikost svých pozic, protože se neustále zvyšují (systém mám dnes zapojen ve svém fondu). V Youtube videích jsou nicméně ukázány i brokerské výpisy, kde jsem naposledy obchodoval systém s účtem 20 000 dolarů, což odpovídá 4 000 dolarů na každou otevíranou pozici. Výsledky proto reportuji tak, že přepočítám všechny obchody právě na tento účet. Pokud byste si dali tu práci a prošli kompletní historii publikovaných live obchodů na Twitteru, každý obchod otevírali s pozicí 4 000 dolarů, odečetli komise, pak dostanete následující výkonnost: Od 29.1.2021 systém provedl 210 obchodů a anualizované roční zhodnocení po všech komisích je nyní 37,72 %. Systém po nasazení live dosáhl zatím sharpe ratio 2.09. Šedá plocha v grafu zobrazuje výkonnost long i short části systému dohromady, červená linka je výkonnost shortů, zelená dlouhých obchodů. V zhodnocení reálně překonal index S&P 500 a to i přesto, že využíval jen cca 25 % kapitálu. Toto poskytuje extrémní prostor pro další využití kapitálu jinými strategiemi a dosahování ještě vyšších zhodnocení. Mně osobně se na systému hodně líbí, že větší část profitů byla dosahovaná shorty (135 obchodů vs. 75 obchodů na long stranu). Systém hezky diverzifikuje další mé systémy, které drží nakoupené akcie. Ve výsledcích také nedominují žádné extrémně ziskové obchody. Vesměs je výkonnost složena z menších zisků/ztrát, které se pohybují kolem 1 % účtu. Jen občas systém inkasuje zisk/ztrátu na úrovni 2 % účtu: Osobně jsem tak dost přesvědčený, že systém má velké šance vydělávat v různých režimech trhů, které nás budou v budoucnu čekat. Hledáte cestu, jak se dostat ke konzistentním profitům? Rádi byste i v aktuálním kontextu obchodovali stabilně a bez emocí? Určitě si přečtěte novou knihu Od myšlenky k reálným obchodům Implementujte již od samotného začátku své praxe důležité systematické procesy a správné myšlení, které výrazně zvyšuje šance na stabilně profitabilní obchodování. Inspirujte se, jak trading dělat jinak a lépe. Za mě tedy se současným vývojem velká spokojenost. Jak systém exekvuji? Finwin obchoduji plně automaticky. Jeho obchodování tedy nevěnuji žádný čas a rozhodně v průběhu dne nesleduji trhy, abych mohl zadávat příkazy. O vše se stará Python skript, který jsem si na toto vytvořil. Prakticky vše funguje tak, že v noci mi software projede akciové trhy a vyhledá ty, které splňují podmínky diskutované v obchodním plánu probíraném zde na Youtube. Následně kandidáty na obchodování přebere Python skript a v průběhu dne trhy sleduje a zadává obchodní příkazy. Ohromné zadostiučinění pro mě je, že skript dnes sdílím v rámci Trading Room a spolehlivě funguje i u ostatních obchodníků, kteří začali obchodovat stejným směrem. Update systému K původní logice systému publikované v původním Youtube videu nemám žádné výhrady. Z mé zkušenosti fungují nejlépe jednoduché systémy a rozhodně na logice neplánuji nic měnit. Prostor ke zlepšení systému vidím v množství trhů, které systém sleduje. V tuto chvíli Finwin obchoduje akcie z indexu Russell 3000 – tedy cca 3 000 amerických akcií. Nicméně poslední měsíce jsou trhy velmi ospalé a Finwin obchoduje čím dál méně příležitostí. Zde je zobrazen počet obchodů za jednotlivé dny: Na první pohled je zřejmé, že nejvíce profitů systém vygeneroval v prvních dvou měsících obchodování, kdy byl také dostatek obchodních signálů. Je to přesně jak popisuji v nové knize Od myšlenky k reálným obchodům. Pokud máme edge, potřebujeme k profitům frekvenci. A je jedno, jestli provozujeme kasino nebo obchodní systém. Proto jsem zkoumání zaměřil k možnosti obchodovat Finwin na více akciích. Konkrétně na všech akciích obchodovaných na amerických burzách. Pochopitelně, že veškerá zkoumání podkládám systematickými backtesty. Než se však dostaneme k jejich výsledkům, je třeba zopakovat, že jsou jen hrubě orientační. A to ze tří hlavních důvodů: Pro testování používám pouze denní, nikoliv intradenní data. A když začnete studovat pravidla systému, zjistíte, že funguje tak, že ráno vygeneruji na každou stranu (long/short) maximálně 50 signálů, ale otevřu nejvíce 5 pozic. Těch, které jsou v trzích zobchodovány nejdříve. Na denních datech toto ale nelze přesně poznat a historické testy jsou tak pouze orientační (což mi z řady důvodů popisovaných v Youtube sérii nevadí). Některé akcie nelze v praxi shortovat, což opět v testu nepoznám a akcie tak shortované jsou. V živém obchodování obchoduji jen trhy, které nemám otevřeny v jiných systémech. Historický backtest tak vnímám skutečně jen orientačně. Mohu si například porovnat živé výsledky s backtestem za stejné období (ve kterém jsem pro zjednodušení exekvoval obchody tak, že jsem akcie seřadil podle své volatility. Pro relevantnější testy používám náhodné pořadí a monte carlo): I když je backtest hrubě orientační, tak vidím, že backtest s využitím akcií z Russellu 3000 (test 0002) má poměrně podobné výsledky jako živé obchodování (test 0001), při obchodování všech US akcií (test 0003) jsou ale výsledky dvojnásobné. Hlavně proto, že bylo podstatně více obchodů (389 vs. 281) a více byl využitý kapitál (50 % vs. 36 %). Pokud stejný backtest provedu na delším časovém období, dostávám podobný obrázek: Finwin na všech US akciích generuje vyšší zhodnocení díky většímu počtu obchodů a vyššímu využití kapitálu. Nově tak budu od pondělí 13.9.2021 obchodovat Finwin na všech US akciích. Signály, které generuji do Trading Roomu budou pochopitelně také ze všech US akcií, protože zde generuji naprosto shodné signály, které sám obchoduji. Jak začít obchodovat podobnou strategii? Věřím, že na příkladu Finwinu je zřejmé, že úspěšné profitabilní obchodování není magie. Nejsou potřeba ani žádné zázračné indikátory. Jde vesměs o systematičnost a realistický pohled na věc. Pokud chcete trhy také úspěšně obchodovat, začal bych knihou Od myšlenky k reálným obchodům. V té popisuji hlavní principy, se kterými je třeba k trhům přistupovat tak, abyste měli vůbec šanci vydělat (a asi vás nepřekvapí, že se zde dočtete spoustu opaků k názorům běžně prezentovaných v diskuzních fórech). Mj. v knize naleznete popis podobného systému jako je Finwin, ale obchodovaného na futures. Následně vás čeká zvládnutí mnoha technických reálií (sám jsem testy na Finwinu strávil dnes jistě stovky hodin). Můžete ale využít také opačnou cestu – nejprve zkusit obchodovat, zjistit, jestli je podobný styl pro vás vhodný, a pak dělat vlastní výzkum. V takovém případě je zde pro vás Trading Room, ve které poskytuji všechnu svou práci k dispozici v podobě konkrétních signálů, které budu daný den obchodovat. A ano, u Finwinu včetně skriptu, který mi zajišťuje autotrading a který tak můžete také využít.

Jak se vyvíjí intradenní obchodní systém, jehož pravidla jsme si zde otevřeně popsali a který dnes obchoduji mj. i ve svém fondu? Nejprve malá rekapitulace, co Finwin je. Jde o systematickou obchodní metodu, která intradenně obchoduje americké akcie. Finwin je unikátní tím, že vznikal prostřednictvím bezplatných Youtube videí, která stále můžete najít v archivu. Ve videích jsme si ukázali, jak je možné přetavit myšlenku do reálného „stroje na peníze“. Stroje proto, že Finwin mám zmechanizovaný, a obchoduje tak již zcela sám. Pro inspiraci ostatním a zachování maximální transparentnosti navíc reportuji obchody v reálném čase na web finwin.cz. Finwin je tedy opakovatelná obchodní metoda: Jejíž pravidla jsme si sestavili a vysvětlili v otevřených videích. Kterou sám obchoduji na živém účtu. Jejíž obchody reportuji v reálném čase. A která vydělává nemalé peníze... Myslím, že těžko někde na internetu dostanete konkrétnější a praktičtější inspiraci „jak vydělávat na burze peníze“. Sám dnes obchoduji Finwin ve stále stejné podobě, v jaké jsem jej popisoval na Youtube videích. Rozdílem je akorát jiný kapitál, protože Finwin jsem zařadil do systematického portfolia obchodovaného v rámci mého fondu. Jsem skutečně přesvědčený, že metoda má solidní potenciál výdělku. Ve fondu pochopitelně postupně přiřazuji strategii vyšší kapitál, a proto nemohu již jednoduše reportovat equity křivku systému. Z tohoto důvodu budu na Finančníkovi dále uvádět výsledky Finwinu přepočtené na kapitál 20 000 dolarů, což byla poslední částka, se kterou jsem systém na Youtube obchodoval. Finwin svůj kapitál rozděluje mezi maximálně 5 long a 5 short pozic, kdy při kapitálu 20 000 dolarů každé přiřazuje 4 000 dolarů. Pokud byste s tímto money managementem přepočítali všechny long a short pozice publikované na finwin.cz, odečetli komise, dostanete následující equity křivku: Ta tedy plně reflektuje mé vlastní živé obchody, které jsem jen obchodoval s jiným kapitálem. Finwin od svého spuštění krásně vydělává. V tuto chvíli jsme přibližně na zhodnocení 25 % za cca půl roku, tedy 50 % anualizovaně (při hypotetické alokaci 4 000 dolarů do každé pozice od spuštění systému). Což je pochopitelně parádní výsledek. Na screenshotu je patrné, že systém prochází různými fázemi výkonnosti – vidíme období strmého růstu, menší drawdown, stagnaci a následný útok na nové maximum. Ale takto se chovají všechny systémy. V případě Finwinu je vše hodně ovlivněno volatilitou trhu. Takto vypadá výkonnost Finwinu při různých úrovních VIXu (index volatility – v grafu zobrazen oranžově): Hledáte cestu, jak se dostat ke konzistentním profitům? Rádi byste i v aktuálním kontextu obchodovali stabilně a bez emocí? Určitě si přečtěte novou knihu Od myšlenky k reálným obchodům Implementujte již od samotného začátku své praxe důležité systematické procesy a správné myšlení, které výrazně zvyšuje šance na stabilně profitabilní obchodování. Inspirujte se, jak trading dělat jinak a lépe. Volatilita se poslední měsíce dostala na velmi nízké hodnoty, kdy se systému nabízí velmi málo vstupů. Ale věřte mi, že je jen otázkou času, než se režim v trzích opět změní. Systém zatím pěkně překonává i benchmark (Russell 3000), byť doba na nějaké hodnocení je zatím krátká: Co se mi ovšem na systému líbí nejvíce – přestože akciové trhy i v první polovině roku 2021 prakticky jen rostly, Finwin vydělával především na short obchodech: Tohle vnímám jako opravdu důležité. Nakupovat profitabilně akcie v období celkového růstu indexů není zas tak složité. Vydělávat ve stejném období pomocí shortů je mnohem náročnější. Osobně mám v portfoliu cca třetinu pozic v shortech, protože chci mít výkonnost co nejvyrovnanější i v dobách, kdy trhy budou padat nebo půjdou do strany. A Finwin vnímám rozhodně jako systém, který mi bude v této diverzifikaci dobrým pomocníkem. Technická implementace Finwinu sice není triviální, ale jak to u každé technické věci bývá, je to jen o technice. Tedy vždy lze nalézt cesty. Zatím to rozhodně vypadá, že přístup za trochu extra námahy zkoumání cest určitě stojí. Pokud se systematickým obchodováním začínáte, pak ale není určitě potřeba pouštět se hned do intradenního obchodování, které je vždy psychicky a technicky náročnější než pomalejší swingové styly. Osobně obchoduji logiku Finwinu i na pomalejších denních timeframe pomocí systému, kterému říkám MR3000 (jeho princip je na Finančníkovi popsán zde). Swingové obchodování je pomalejší, což především znamená, že příkazy lze zadávat klidně i ručně dlouho před otevřením trhů a není třeba žádného náročného programování. U MR3000 obchoduji také long i short stranu (tedy stejně jako u Finwinu) a zde je pro ilustraci výkonnost portfolia, ve kterém kromě MR3000 obchoduji pro diverzifikaci ještě trend following systém MicroBreakout (na Finančníkovi jsem jej popisoval například zde). Portfolio obchoduji veřejně v rámci služby Trading Room, kde dopředu reportuji konkrétní akcie a ceny, za které budu obchodovat (a následně publikuji svá přesná plnění z brokerské platformy) a každý mi tak může „koukat přes rameno“. Portfolio nyní od začátku roku atakuje zisk +10 000 USD. Tedy jednoznačně lze podobný pomalejší styl obchodování praktikovat opravdu bez stresu a sám bych začal s tou pomalejší cestou, ve které odpadá náročnější implementace intradenního zadávání obchodů. Nicméně pokud již v portfoliu swingové strategie máte, tak intradenní mean reversion ve stylu Finwinu může poskytnout další zajímavou diverzifikaci – tak, jak je to vidět v dnešním reportu. O dalším vývoji strategie budu na Finančníkovi samozřejmě informovat.

Hodně začínajících obchodníků naráží na tvrdou realitu. I precizně otestované systémy vykazují po živém nasazení často dost odlišné parametry, než nám vyšly v backtestu. Můžeme například chytnout hned několik ztrát, které jsou výrazně větší, než průměrná ztráta vycházejí v backtestu. Jak podobné informace interpretovat – jde jen o smůlu, nebo byl systém špatně postavený a nefunguje? Pro úspěch v obchodování je potřeba přijmout fakt, že historické backtesty jsou skutečně pouze orientační. Mohou nám pomoci potvrdit, že obchodovaná metoda pracuje s dostatečně robustní výhodou a existuje vysoká šance, že s ní vyděláme i do budoucna. Je ale třeba chápat, že mnoho detailů backtestu bylo ovlivněno konkrétními událostmi v minulosti, které se prostě nebudou opakovat. Proto je velmi naivní snažit se například hledat takové parametry systému, které v minulosti produkují krásně rostoucí equity křivky. Výsledkem podobné snahy jsou jen přeoptimalizované systémy, které v budoucnosti mají jen malou šanci uspět. Když stavím obchodní systém, tak vesměs nesleduji jediný možný průběh historie, ale snažím se do strategie zanášet různé „náhody“ a sledovat, do jaké míry budou výsledky stále obchodovatelné. Základem mého zkoumání je tvz. Monte carlo simulace, kdy systém promíchá historické obchody, občas nějaký vynechá a jiný duplikuje a já mohu vyhodnocovat, s jakou pravděpodobností mohu očekávat různý drawdown a výdělek. Podobnou simulaci používám i v jiných situacích. Například při vývoji intradenního systému Finwin 2021, který jsem krok za krokem vyvíjel prostřednictvím Youtube videí a dnes ho otevřeně obchoduji včetně publikování obchodů v reálném čase na Twitteru (podrobnosti popisuji na finwin.cz). Finwin ve zkratce funguje následovně (podrobně je obchodní plán popsán v tomto videu ). Každý den je připraveno až 50 signálů pro long a 50 signálů pro shortování akcií obchodovaných v indexu Russell 3000. Jde o signály v akciích, které předchozí den vytvořily výrazný pohyb a systém je připraven jít proti tomuto pohybu (jde o mean reversion strategii). Po otevření burzy je systém připraven zobchodovat maximálně 5 long a 5 short pozic. Příkazy jsou zadány do vzdálenosti násobku běžného ATR od otevírací ceny. Systém zobchoduje ty trhy, které k limitnímu příkazu dorazí nejdříve. Otevírá se tím vyšší šance využití kapitálu a potenciálně vyššího profitu. Systém jsem testoval na velké historii dat (podrobně backtest popisuji ve zmíněném videu). Nicméně pro testy jsem použil pouze denní data. Na nich ovšem nemohu ověřit, které trhy dorazily ke vstupní ceně první, přičemž ale konkrétní pořadí plnění obchodný každý konkrétní den ovlivňuje výsledné hodnoty backtestu. Hledáte cestu, jak se dostat ke konzistentním profitům? Rádi byste i v aktuálním kontextu obchodovali stabilně a bez emocí? Určitě si přečtěte novou knihu Od myšlenky k reálným obchodům Implementujte již od samotného začátku své praxe důležité systematické procesy a správné myšlení, které výrazně zvyšuje šance na stabilně profitabilní obchodování. Inspirujte se, jak trading dělat jinak a lépe. Samozřejmě bych mohl investovat pár tisíc dolarů do tickových dat, udělat mnohem komplikovanější backtest a přesně v historii nasimulovat, jak by plnění vypadalo. Ale i když odhlédnu od časových a finančních nároků, zbývá zde otázka, jestli přesná historická posloupnost otevíraných příkazů přináší nějakou zásadní hodnotu. Podle mě nikoliv. Pro ověření funkčnosti backtestu jsem raději použil svůj tradiční přístup v podobě pravděpodobnostních modelů. Postavím systém tak, aby obchodoval daný den trhy ve zcela náhodném pořadí. Každý backtest tak bude trochu jiný. Odpověď na mé otázky mi ale poskytuje pohled na výsledky jako celek. Řekněme, že vytvořím 500 backtestů Finwinu, kde denní pořadí exekucí je náhodné. V tom případě mě zajímá, kolik backtestů bylo ztrátových, kolik ziskových atd. Zde je ukázka, jak konkrétně vypadá výstup podobné simulace, kde jsem provedl 500 backtestů systému od roku 2015 do současnosti: Na horizontální ose je číslo testu, na vertikální průměrné roční zhodnocení. To se pochopitelně liší, podstatné ale je, že žádný test neskončil ve ztrátě a i ty nejhorší testy měly roční zhodnocení nad 25 %. Podobné simulace mně osobně pomáhají nejistotu z backtestu překonat. Vnímám, že i když do procesu vnesu hodně prvku náhody, systém stále vydělával. A takové systémy se nebojím nasadit naživo. Stejně, jako jsem to udělal s Finwinem přímo před zraky tisíců z vás. A takto se zatím výkonnost sytému vyvíjí po cca 1,5 měsíci obchodování a první stovce uskutečněných obchodů: Equity křivka představuje výsledky živých obchodů po odečtení komisí od 28.1.2021, kdy byl zobchodován první obchod. Všechny živé obchody jsou (v tuto chvíli) v reálném čase publikovány na finwin.cz a průběžně je komentuji v Youtube videích, kde jsou zobrazeny i v brokerské platformě. Obchodní plán v otevřené podobě diskutuji v tomto videu). Téma dnešního článku jsem zpracoval i do videa, které je pro vás připravené zde: https://www.youtube.com/watch?v=GIlooGsGTtk&ab_channel=PetrPodhajský-trader Úspěšné obchody všem!

Začnete-li podrobně studovat cenové grafy prakticky kterýchkoliv finančních trhů, brzy si jistě všimnete jednoho velmi univerzálního fenoménu. Po výrazných a rychlých pohybech často přichází alespoň krátkodobý protipohyb. Podívejme se na příklad nedávného chování akcie GOOG: Na denních grafech je v bodech 1 a 4 vidět, že trh rychle klesl pod klouzavý průměr, aby se cena následný den opět obrátila vzhůru. A na druhou stranu v bodech 2 a 3 trh až příliš rychle vyrazil vzhůru, aby po výrazné rostoucí volatilní úsečce přišel prudký obrat a cena se vrátila zpět ke klouzavému průměru. Vybrané body jsou samozřejmě jen diskréční ukázkou, v grafu bychom mohli diskutovat o množství dalších oblastí. Ale pointa je snad zřejmá. Po rychlých, nadstandardně velkých pohybech, mají trhy tendence tyto pohyby korigovat. Důvodů je řada. Volatilní pohyb je většinou způsoben určitou přehnanou reakcí obchodníků – například na fundamentální zprávu nebo na samotný rozjíždějící se trh, kdy řada traderů naskakuje do pohybu jen proto, aby jim cena neutekla. Po vyčerpání příkazů ženoucích trh jedním směrem mnoho obchodníků ukončuje obchody a inkasuje zisk – což v praxi znamená tlak na směrování ceny opačným směrem. A k těmto obchodníkům se přidávají i nové objednávky krátkodobých traderů, kteří si tipují, že cena bude mít tendence vrátit se do oblasti „běžné ceny“. Tito obchodníci obchodují strategie, kterým se v angličtině říká Mean reversion. Strategie obchodující návrat ceny k běžné hodnotě. Strategie jsou to poměrně jednoduché a určitě je dobré jim v tradingu věnovat pozornost. S menšími účty je lze obchodovat např. na akciích (níže uvedený příklad pracuje s účtem 10 000 dolarů). Jak konkrétně může taková strategie vypadat? Můžeme vybírat akcie z určitého indexu. Rád mám například Russell 3000 obsahující opravdu hodně akcií. Počkáme si na akcie, které jsou v uptrendu (obchodují se nad svým dlouhodobým průměrem o periodě 200). V případě akcie z indexu Russellu 3000 je lepší orientovat se na trochu dražší a likvidnější akcie (např. s cenou alespoň 40 dolarů a průměrným denním volume 500 000 shares, které jsem použil pro níže publikovaný backtest). Hlavní princip strategií návratu k běžné hodnotě spočívá ve schopnosti identifikovat výrazný pohyb, po kterém budeme vsázet na reverz ceny. Triviální podmínka takové situace může být definována tak, že akcie udělá denní pohyb (rozdíl open a close) alespoň 5 %. Všechny akcie, které daný den udělaly více než 5% pohyb seřadíme právě podle velikosti tohoto pohybu. Použijeme absolutní hodnotu, abychom mohli strategii obchodovat na dlouhou i krátkou stranu. U maximálně 5 trhů (v případě našeho konkrétního příkladu) s nejvyšším pohybem za předcházející den zkusíme zadat do trhu limitní příkaz na nákup/prodej „se slevou“ o velikosti 0,5 x ATR(5). Tedy polovičního denního rozpětí za posledních pět dnů. Takto může vypadat například long obchod: Tesla vytvořila 23.9.2020 volatilní 10% pokles (den označený růžovou linkou). Pokles patřil k top 5 z indexu Russell 3000. Následující den zadáme vstupní příkaz „Close cena 23.9.2020 – 0,5 x ATR(5)“. Tedy pokusíme se trh nakoupit se slevou pod uzavírací cenou volatilního dne. V tomto příkladu to vychází na hodnotu 360,65. Vystupovat můžeme různými taktikami. Rád používám profit target (v případu použit 5 %), výstup například na první rostoucí úsečce (v případě nákupu) a časový stop-loss (kdy je pozice ukončena v následujících několika dnech, pokud nedojde k jinému výstupu – reverzní obchody by měly být rychlé). Pro short platí vše stejně, jen v obráceném směru. Zde je příklad obchodu na akcii MLM: 29.10.2020 trh vytvořil 6,05% volatilní růst. Další den systém vystavil příkaz na limitní short prodej na ceně „Close cena dne 29.10.2020 + 0,5 x ATR(5)“, konkrétně šlo o úroveň 268,93, na které bychom byli vyplněni. Výstup byl za pár dnů opět na profit targetu. Pochopitelně, že systém nemá jen ziskové, ale také ztrátové obchody. Prostě jsou dny, kdy se cena po volatilní úsečce neobrátí. Takto by nedávno vypadala situace v akcii SPT: V trhu bychom ze shortu vystoupili na prvním klesajícím dni, který by byl ale výše než náš vstup. A tedy bychom realizovali ztrátu. Úspěšná Mean reversion strategie by nicméně měla mít poměrně vysokou úspěšnost. Pojďme se tedy podívat na backtest našich pravidel: Zelená křivka zobrazuje obchody na dlouhou stranu, červená na krátkou stranu. Šedá je pak celé „portfolio“. Ve výsledcích jsou započítány komise pro Interactive Brokers. A výsledky vůbec nejsou špatné. Průměrné roční zhodnocení je na úrovni 23,05 % při nejvyšším drawdownu 17,89 %. Tedy každé z maximálně 5 pozic je přiřazeno 20 % aktuálního kapitálu. Sharpe ratio celého systému je 1,52 a úspěšnost 63 %. Celkový backtest obsahuje velmi reprezentativní vzorek 5 250 obchodů. A pochopitelně, že Mean reversion systémy lze dále posouvat. Diskutovaná ukázka obsahuje velmi triviální podmínky vstupu a výstupu. Ale už i tak je vidět, že: Obchodování návratu ceny k běžné hodnotě lze funkčně provádět i s jednoduchými pravidly. Strategii se daří zejména v období vyšší volatility v trzích (dobře se jí dařilo například v letošním roce 2020). Může být zajímavé obchodovat long i short stranu, protože celková křivka je výrazně vyhlazenější. Jsou období, kdy se daří spíše prodejům a období, kdy se více daří nákupům. Mean reversion strategie lze jednoduše stavět plně mechanicky, a postupně je tak automatizovat. Líbí se vám uvedený koncept, ale plně nerozumíte probíraným pojmům? Na Finančníkovi doporučujeme kurz Základů obchodování, který se věnuje základům stavby Mean reversion strategie a jejímu zasazení do kontextu zvládnutí základů obchodování. Máte-li zvládnuté základy, ale bojujete s technickým provedením, pak doporučujeme Workshop swingového obchodování. Ten obsahuje otevřené kódy několika strategií, které sami obchodujeme. Na jejich příkladech si krok za krokem postavíte pod osobním vedením zkušených obchodníků konkrétní swingové miniportfolio a začnete jej obchodovat v trzích. Potřebujete inspiraci nebo občasnou technickou radu se stavbou mechanických strategií? Pak je zde pro vás skupina TechLab.

Rychlé propady akciových indexů se pochopitelně promítly i do výsledků řady obchodních strategií. Nakolik pomůže, pokud bychom obchodovali strategii zajištěně? Tj. při otevírání dlouhých pozic v akciích bychom pozice jistili prodejem indexu? V tradingu je úžasné, že samotnou strategií vesměs obchodování jen začíná. Konečné výsledky jsou do velké míry ovlivněny především tím, jaký money management na jednotlivé vstupní a výstupní logiky aplikujeme. Tedy jak s pomocí velikosti pozice ovlivňujeme celkový risk profil strategie. V minulém článku Klíčová role money managementu na cestě k úspěchu v tradingu jsme si ukázali jeden možný přístup řízení risku. Dnes se chci podívat na další, který se ještě více blíží oblastem, ve které sám vnímám největší svatý grál – zajišťování pomocí long/short diverzifikace v rámci portfolia. Řekněme, že budeme obchodovat některou z tradičních reverzních strategií nakupující akcie. Ty spočívají v tom, že nakupujeme trhy po výrazném krátkodobém poklesu a držíme je pár dnů do doby, než se jejich cena vrátí do běžné hodnoty. Tedy princip využívající neefektivitu trhu vznikající díky krátkodobé panice – obchodníci se často iracionálně zbavují pozic, které proti nim prudce klesnou. Reverzní strategie fungují dobře a dlouhodobě. Slabé chvilky mají ale v momentě, kdy prudce poklesne celý trh (jako například nyní v reakci na koronavirus). Cena slabé akcie se nevrací k běžné hodnotě, ale dál klesá s celým trhem a strategie se propadá do drawdownu. Takto to může vypadat konkrétně. Jde o hypotetickou strategii nakupující bez páky 5 pozic v akciovém indexu SP100: Strategie dlouhodobě krásně vydělává, ale pochopitelně rychlé propady celého trhu se promítají do drawdownů. Bez použití páky se drawdowny u podobných strategií vesměs pohybují v aktuálním kontextu kolem 30 %: Jak by vypadaly výsledky, pokud bychom strategii obchodovali se zajištěním? Tedy na každých 1 000 dolarů otevřených v dlouhé akciové pozici bychom otevřeli short pozici v akciovém indexu v hodnotě stejných 1 000 dolarů? Pokud má naše strategie dlouhodobý edge, měla by i se zajištěním vydělávat (protože by měla bez hedge index překonávat). Jaké ale budou konkrétní výsledky napoví až konkrétní backtest. Ten jsem provedl za vás a výsledky jsou tyto: Výnosová křivka podle předpokladu nemá tak hluboké propady, protože když prodělává samotná strategie nakupující akcie, vydělává short pozice v indexu. Z tohoto pohledu vypadá podobný hedge (zajištění) jako dobrý nápad. Bohužel každá ochrana v trhu stojí peníze. A stejné je to se zajištěním pomocí indexu. Je potřeba si uvědomit, že zajištění je v trhu permanentně a v dobách růstu indexu „ztrácí peníze“. Prostě stejně, jako klasické pojištění – to nás stojí spoustu peněz a využijeme jej jen ve výjimečných případech. Konkrétně se výkonnost strategie snížila s využitím zajištění z ročního zhodnocení 20,15 % (bez páky) na 14,24 %. Současně se nám ale o polovinu snížil historický drawdown. Vyplatí se tak obchodovat reverzní strategie se zajištěním pomocí indexu? Na uvedeném příkladu je vidět, že to nemusí být špatný nápad. Hodně bude záležet i na konkrétních strategiích a doporučuji s principem experimentovat. Je možné testovat i to, že nezajišťujeme plnou pozici, ale jen částečnou atd. Samozřejmě v praxi hedging přináší další výzvy například v technické implementaci. Otevíráme další extra pozice a z pohledu EU traderů musíme řešit i to, jakým trhem se zajistit. Protože klasické americké ETF nemusí být na malých účtech k dispozici. Použít jdou ale například mikrokontrakty na akciové indexy, což je prakticky řešení, které sám používám. Hedge nevytvářím úplně mechanický, ale zajišťuji se pomocí strategií – viz +93 % za 3 měsíce – breakout systém na ES, kdy v této výjimečně volatilní době velmi dobře fungují trendové obchody (i do shortu). A díky možnosti využívat mikrokontrakty lze podobné strategie jemně škálovat tak, aby se vhodně doplňovaly se zbytkem portfolia. Je ale pochopitelné, že vše chce v obchodování svůj čas a je dobré postupovat krok za krokem. Pro mnoho obchodníků tak může být výhodné jistit se v trzích zcela mechanicky – třeba short pozicí v indexu nebo nakoupením put opce. Ale vždy je dobré si konkrétní dopad hedgingu na strategii nasimulovat. Třeba tak, jak jsem to udělal v tomto článku. K praktické stránce: Výše uvedené simulace jsem připravil v Amibrokeru pomocí low level CBT. V něm lze sledovat například velikost otevíraných pozic a podle toho upravovat velikost potřebného zajištění v indexu. Není to ale úplně triviální. A tak pro všechny, kdo chtějí s principem experimentovat a chtějí ušetřit dny, které jsem se skriptem sám strávil, připravím do archivu návodů Techlabu v tomto týdnu tutoriál včetně kompletního kódu, se kterým můžete hned začít pracovat bez potřeby vlastního programování.

Úspěšné obchodování je především o implementaci často obecně známých obchodních výhod a zejména skutečně systematickém řízení risku. Jak lze známé výhody využívat? Jednou z mých oblíbených je přehnaná reakce obchodníků na specifické události. Událostí může být cokoliv. Například vyhlášení finančního reportu – podívejte se například na výsledky tendence vycházející z FOMC dnů. Řada retailových strategií je postavena na obchodování v období vyhlašování earnings, kdy se v akciových trzích zvyšuje volatilita (a dají se tak například zajímavě vypisovat opce) a kdy mají trhy tendence reverzovat. Mnoho podobných výhod vychází z faktu, že obchodníci přehnaně reagují na specifické události. Je to pochopitelně spojeno s naší psychikou – hlava nás například nutí uzavírat pozice poté, co se dostanou do rychlé ztráty, byť třeba ještě nebyl zasažen stop-loss. Sami to jistě znáte ze své obchodní praxe. Představte si, že máte v intradenním obchodování stop-loss nastaven na 300 dolarů. Pozici řídíte ručně, když najednou trh během pár vteřin prudce klesne blízko vašeho stop-lossu a pozice bude v otevřené ztrátě například -250 dolarů. Hodně obchodníků v takový moment pozici uzavře. Oproti situaci, kdy by trh dorazil do stejné oblasti pomalu. Rychlost je jeden z faktorů, který je v tradingu klíčový. A rychlé pohyby způsobují v trzích nejčastěji různé reporty a zprávy. Pro vytváření obchodních systémů využívajících podobných výhod není bezpodmínečně nutné analyzovat fundamentální zprávy. Stačí se jen zamýšlet nad situacemi, které budou z pohledu psychiky tvořit u mnoha obchodníků tlaky na unáhlené reakce. Zde je jeden příklad. Ten nepředstavuje hotový obchodní systém, ale může vás k řadě funkčních řešení dovést. Nemalý edge existuje v držení pozice přes noc v akciových trzích v momentě, kdy se jim v průběhu dne příliš nedařilo. Na konci takových dnů totiž řada obchodníků „raději vystoupí“, čímž ještě dále tlačí cenu níže – což může být vhodný okamžik pro náš krátkodobý vstup. Pro příklad si vezměme akcie indexu Nasdaq 100, kde budeme: Nakupovat každý den 5 trhů, kterým se nejméně dařilo (tj. jejich zhodnocení daný den v indexu patřilo k 5 nejnižším). Pozici ukončíme následný den na open. A zde je pro ilustraci equity křivka, která nepracuje s reinvestováním – tj. celou dobu se otevírají akcie s fixním kapitálem (při testu je zohledněna skladba indexu v historii): Zde je pak příklad typického testovaného obchodu: Už ze samotného pohledu na graf reagovali obchodníci v akcii SBUX 24.1.2019 na nějakou silnější událost. Trh vytvořil nestandardně velký pohyb a vůči ostatním akciím v indexu Nasdaq 100 uzavřel jako jeden z 5 nejslabších. Systém vstupoval na close takového dne a držel do open následujícího dne, který byl dokonce až nad high vstupní úsečky. Testy můžeme provést i na akciích dalších indexů. Takto vypadá stejná situace na akciích S&P500: A zde je edge testován na větším počtu akcií z širšího indexu Russell 3000: Na první pohled je vidět, že v trzích existuje popsaný edge ve velmi trvalé podobě. Ale abychom mohli na výhodě vydělávat, je potřeba ji dotáhnout. Výše uvedené ukázky jsou jen výchozím bodem – už jen proto, že neobsahují komise, které výkonnost snižují. Ale možností, jak edge převést do konkrétní podoby, je celá řada. Lze se zaměřit na zkoumání povahy oslabení – například jeho velikosti vůči běžnému chování trhů. Určitě je vhodné zapojit do přemýšlení trochu širší kontext. Lze pracovat s komplexnějšími intermarket filtry nebo se zaměřit na trhy s určitou likviditou atd. Dobré je ale nezapomínat jaký edge využíváme a proč funguje. A zejména si věci nekomplikovat nad rámec toho, co je nezbytné a hlavně se zaměřit na implementaci. Pro úspěšný trading stačí zkombinovat jen několik podobných výhod.