Analýza praktické využitelnosti vybraných metod technické analýzy

Bankovní institut vysoká škola Praha Katedra finančních obchodů

Analýza praktické využitelnosti vybraných metod technické analýzy Diplomová práce

Autor:

Bc. Jan Godycki Finance, finanční obchody

Vedoucí práce:

Praha

doc. Ing. Jitka Veselá, Ph.D.

Duben, 2010

Prohlášení: Prohlašuji, ţe jsem diplomovou práci zpracoval samostatně a s pouţitím uvedené literatury.

V Praze dne 27.4.2010

Jan Godycki

Poděkování Děkuji doc. Ing. Jitce Veselé, Ph.D., ţe se ujala vedení mé práce, za cenné rady a připomínky, za trpělivost a vstřícnost, se kterou mi je podávala a za všechen čas věnovaný probírání jednotlivých kapitol této diplomové práce.

Anotace práce Technická analýza je v dnešní době jedním z hlavních přístupů, pouţívaných při aktivním obchodování na finančních trzích. V odborné literatuře se přesto vedou spory ohledně věrohodnosti a praktické vyuţitelnosti výsledků dosaţených pomocí metod a nástrojů technické analýzy. Tato práce zkoumá, zdali je moţné kombinací několika základních indikátorů technické analýzy sestavit obchodní systém vyuţitelný v praxi. Praktická vyuţitelnost obchodních systémů, je testována pro různé styly obchodování a odlišné nastavení money managementu na historických datech z let 2002 aţ 2009.

Annotation Technical analysis is one of the main approaches used in active trading on financial markets these days. In the literature there are disputes about reliability and practical utility of the results achieved using the methods and tools of technical analysis. This thesis explores the possibilities of creating trading system combining a few basic indicators used by technical analysis, which can be useful in practical trading. The practical usefulness of trading systems is tested for different styles of trading with differently adjusted money management based on set of historical data from the years 2002 to 2009.

Obsah Úvod ................................................................................................................................. 7 1. Moţnosti a úskalí aplikace technické analýzy v praxi ................................................ 9 1.1. Základní východiska technické analýzy .............................................................. 10 1.1.1. Cena reflektuje všechno ............................................................................... 11 1.1.2. Ceny se pohybují v trendech ........................................................................ 12 1.1.3. Historie se opakuje ....................................................................................... 13 1.2. Metody technické analýzy ................................................................................... 13 1.2.1. Grafické metody ........................................................................................... 14 1.2.2. Technické indikátory .................................................................................... 17 1.3. Teorie vs. praxe ................................................................................................... 18 1.3.1. Předpoklady úspěšného obchodování........................................................... 19 1.3.2. Psychologické aspekty obchodování ............................................................ 21 1.3.3. Money management ..................................................................................... 25 2. Konstrukce obchodního systému a výběr dat pro testování ....................................... 30 2.1. Konstrukce obchodního systému ......................................................................... 31 2.2. Vybrané obchodní systémy ................................................................................. 35 2.2.1. Moving Average Crossover .......................................................................... 35 2.2.2. Average Directional Index (ADX) ............................................................... 39 2.2.3. MACD Crossover & ADX ........................................................................... 41 2.2.4. Stochastic Crossover & ADX ....................................................................... 43 2.2.5. RSI Breakout & ADX .................................................................................. 46 2.2.6. Parabolic SAR Breakout & ADX ................................................................. 48 2.3. Výběr dat pro testování ....................................................................................... 50 3. Testování úspěšnosti obchodního systému ................................................................. 52 3.1. Moving Average Crossover ................................................................................. 56 3.1.1. Optimalizace parametrů MA crossover ........................................................ 56 5

3.1.2. Aplikace optimálních parametrů .................................................................. 59 3.1.3. Shrnutí aplikace MA Crossover ................................................................... 62 3.2. MACD Crossover & ADX .................................................................................. 63 3.2.1. Optimalizace parametrů ................................................................................ 63 3.2.2. Aplikace optimálních parametrů .................................................................. 64 3.3. Stochastic Crossover & ADX .............................................................................. 65 3.3.1. Optimalizace parametrů ................................................................................ 65 3.3.2. Aplikace optimálních parametrů .................................................................. 66 3.4. RSI Breakout & ADX ......................................................................................... 67 3.4.1. Optimalizace parametrů ................................................................................ 67 3.4.2. Aplikace optimálních parametrů .................................................................. 68 3.5. Parabolic SAR Breakout & ADX ........................................................................ 69 3.5.1. Optimalizace parametrů ................................................................................ 69 3.5.2. Aplikace optimálních parametrů .................................................................. 70 Výsledky ......................................................................................................................... 71 Závěr ............................................................................................................................... 75 Pouţitá literatura a další zdroje ...................................................................................... 78 Seznam obrázků a tabulek .............................................................................................. 80

6

Úvod Technická analýza je nejstarším analytickým nástrojem sledujícím vývoj kurzů. Na své obrovské popularitě mezi individuálními investory však získala především díky rozvoji informačních technologií. Finanční trhy jsou celosvětově stále více propojené a vznik moderních obchodních softwarů umoţňujících zadávání obchodních příkazů jednoduše pomocí osobního počítače, webového rozhraní či mobilního telefonu kdekoliv na světě, láká stále více individuálních investorů. Rostoucí konkurence mezi brokerskými společnostmi zase působí pozitivně na sniţování transakčních poplatků i na sniţování nároků na počáteční kapitál a investování na finančních trzích se tak stává pro řadu lidí stále dostupnější. Většina moderních obchodních softwarů jiţ v základní verzi poskytuje uţivatelům široké spektrum nástrojů technické analýzy. Vyuţívání technické analýzy také oproti fundamentální analýze nebývá spojeno s vynakládáním dalších finančních prostředků na získávání dodatečných informací z trhu. Není proto divu, ţe díky své dostupnosti její obliba mezi individuálními investory stále roste. V odborné literatuře se naopak vedou spory o moţnostech a praktické vyuţitelnosti technické analýzy. Mnoho z nich pramení i z toho, ţe úspěšná aplikace podle všeho vyţaduje více neţ zvládnutí teoretického konceptu technické analýzy. Úspěšná aplikace, která by z dlouhodobého hlediska přinášela obchodníkovi zisk, bývá často přirovnávána k umění, kde velkou roli sehrávají i subjektivní schopnosti kaţdého obchodníka. Ze stejného hlediska se metody technické analýzy i poměrně špatně hodnotí mezi sebou, neboť obchodní systém, se kterým je jeden obchodník schopen dosahovat pravidelných zisků, můţe velmi snadno v rukou jiného přivodit značné ztráty. Z tohoto důvodu nelze nikdy přesně určit právě jeden nejlepší obchodní systém nebo nejlepší způsob obchodování, který by obecně platil pro všechny. Profesionální obchodníci pak často dodávají, ţe nejlepší obchodní systém je kaţdý takový, který funguje. Cílem této diplomové práce je zjistit, zdali je moţné pomocí vhodné kombinace základních indikátorů technické analýzy, běţně dostupných v moderních obchodních platformách, sestavit profitabilní a v praxi vyuţitelný obchodní systém. Pro větší přiblíţení se reálným podmínkám budou uvaţovány i odlišné styly obchodování a různé nastavení money managementu. Tyto dva aspekty, které budu zahrnovat do testování 7

jednotlivých

obchodních

systémů,

budou

alespoň

částečně

simulovat

ony

nekvantifikovatelné a subjektivní faktory, které do reálného obchodování vstupují a ve výsledku mohou velmi podstatně ovlivnit výkon celého obchodního systému. V první kapitole se budu zabývat teoretickými východisky technické analýzy, jejími moţnostmi, způsobem vyuţití a také úskalími, se kterými se investor můţe při její aplikaci potýkat. Součástí první kapitoly pak bude i vysvětlení pojmu money management a důleţitost jeho vyuţití při reálném obchodování na finančních trzích. Také se pokusím nastínit, v čem spočívají ony vlastnosti, které činí z dobrého technického analytika úspěšného obchodníka. Ve druhé kapitole se budu věnovat pravidlům pro tvorbu obchodního systému, na jejichţ základě následně vyberu několik jednoduchých obchodních systémů. Pro kaţdý obchodní systém stanovím specifická pravidla, podle kterých budou realizovány nákupní a prodejní příkazy v průběhu optimalizace a testování. Názvy jednotlivých obchodních systémů budou vycházet z jejich podstaty a budu je označovat standardní anglickou terminologií – crossover (překříţení), breakout (prolomení, průraz). Ve třetí kapitole pak pro vybrané obchodní systémy budu hledat optimální hodnoty parametrů. Optimalizace bude prováděna na historických datech z let 2002 aţ 2007. Zjištěné optimální hodnoty parametrů budou následně testovány pro jednotlivé obchodní systémy aplikací v období dvou let (2007 – 2009). Na základě výsledků získaných aplikací obchodních systémů v letech 2007 aţ 2009 budu posuzovat jejich praktickou vyuţitelnost v reálném obchodování.

8

1. Možnosti a úskalí aplikace technické analýzy v praxi Tvorba obchodních rozhodnutí zaloţených na technické analýze vychází z předpokladu, ţe se kurzy v čase pohybují v trendech, které jsou grafickým vyobrazením procesu formování názorů investorů, v reakci na široké spektrum sledovaných informací, kde svou významnou roli sehrávají psychologické faktory. Hlavní význam technické analýzy spočívá v poskytování signálů pro vstup resp. výstup z trhu a odpovídá tedy především na otázku: „Kdy provést obchodní operaci?“. Přestoţe se technická analýza vůbec nezajímá o vnitřní hodnotu finančního instrumentu a ani si nestanovuje za cíl určit, zda je finanční instrument na trhu správně ohodnocen, je moţné povaţovat signály k obchodním operacím přeneseně také za svědectví o tom, zda je finanční instrument na trhu podhodnocený či nadhodnocený, i kdyţ k tomuto závěru dochází jinými postupy, neţ konkurenční fundamentální analýza. [J. Krabec, 2007] Technický analytik se zpravidla nesnaţí trh „přechytračit“, ale za pomoci grafů a technicko-analytických nástrojů, které budou probírány v dalších kapitolách, hledá místa, kdy mu trh sám napoví, jakým směrem se pravděpodobně vydá. Obecně platí, ţe technickou analýzu je moţné vyuţít pro kaţdé veřejně obchodovatelné aktivum, jehoţ cena je determinována volným působením nabídky a poptávky. Neboť právě do takové ceny se můţe nejsnáze promítnout přirozené lidské chování, tedy vše, co technická analýza ke své funkčnosti „vyţaduje“. Rozdíly mezi jednotlivými trhy samozřejmě existují, např. komoditní trhy jsou oproti akciovým mnohem volatilnější, na měnových trzích zase téměř neexistují dlouhodobé trendy a vývoj měnových kurzů se blíţí stavu náhodné procházky. Těmto odlišnostem musí obchodník adekvátně přizpůsobit své metody a mnohdy i svůj obchodní styl, nicméně tato skutečnost nijak nebrání konstatování, ţe technickou analýzu jako takovou je moţné aplikovat na všechny segmenty finančního trhu.

9

1.1. Základní východiska technické analýzy Technická analýza vychází z předpokladu, ţe na změnu kurzu mají významný vliv i fundamentálně nepředvídatelné faktory, které působí na investory jako na lidské bytosti, které mají mnohdy tendenci jednat iracionálně v důsledku nepředvídatelných ekonomických, politických či psychologických vlivů. Kaţdý minulý úspěch či neúspěch, zkušenosti, úroveň znalostí, individuální přání, výše příjmů nebo i vztahy v rodině, to jsou jen jedny z mála faktorů, které mají vliv na rozhodování, která lidé ve svém ţivotě činí. Jelikoţ se trhy nepohybují nahoru a dolů samy od sebe, ale tvoří je lidé a jejich rozhodnutí, vstupují tyto faktory přímo do hodnoty kurzu. Na základě toho povaţuje technická analýza snahu o kalkulaci vnitřní fundamentální hodnoty jako bezpředmětnou, zbytečnou a nepřesnou. Podle technického přístupu nemůţe fundamentální vnitřní hodnota adekvátně odráţet situaci, neboť vţdy bude opomíjet faktory, které není schopna obsáhnout. Ceny akcií i ostatních obchodních instrumentů jsou determinovány lidmi a lidé se vţdy budou lišit svými subjektivními potřebami a očekáváními. Předvídat naprosto přesně chování jednotlivců je samozřejmě nemoţné, pro společnost jako takovou však existují určité vzorce chování, které ji mohou charakterizovat jako skupinu. Lidská povaha se v čase příliš nemění a lidé mají tendence reagovat na podobné situace podobným způsobem. Jedním z charakteristických znaků technické analýzy je předpoklad, ţe lidé budou opakovat stále stejné „chyby“, jakých se dopustili v minulosti. [M. J. Pring, 1991] Avšak lidské chování je natolik komplexní, sloţité a individuální, ţe se nikdy neopakuje identickým způsobem. Obdobně ani na trhu, jenţ je obrazem počínání investorů, nikdy nedochází k absolutně identickému vývoji. Nicméně opakování některých vzájemně si podobných situací a charakteristických jevů je pro technické analytiky dostačující k tomu, aby předem odhalili většinu důleţitých změn ve vývoji trhu. I přes výše uvedené jsou základní východiska technické analýzy, podobně jako většina jejích metod, poměrně jednoduché a je moţné je shrnout do následujících tří tezí:

10

1.1.1. Cena reflektuje všechno Kaţdá nová cenová úroveň je výsledkem „souboje“ mezi obchodníky. Soubojem jejich, znalostí, individuálním vyhodnocením dat, odhadů, nadějí, obav, nadšení i zklamání. Je to pomyslný souboj mezi „býky“ a „medvědy“1, kdy pro jedny je v daný moment cena nízká a pro druhé vysoká. Je to neutuchající souboj nabídky a poptávky v procesu hledání optimální cenové úrovně, kde cena instrumentu, který je předmětem obchodu není nikdy rovna jeho skutečné hodnotě, ale hodnotě, kterou si lidé myslí, ţe má. [M.J. Pring, 1991] Z pohledu technického analytika není ani tolik důleţité, proč se cena mění, jako její samotný pohyb. Jiţ před více neţ sto lety Charles Henry Dow zpozoroval, ţe ceny akcií reagují téměř okamţitě i na tak nepředvídatelné události, jako jsou například zemětřesení, povodně či jiné přírodní katastrofy a vstřebávají následky těchto událostí v podstatě okamţitě. Stejně tak i současná technická analýza staví na předpokladu, ţe hodnota kurzu v sobě odráţí veškeré dostupné informace mající vliv na nabídku a poptávku po daném aktivu. Pro technické analytiky je typické, ţe akceptují a přijímají skutečnost, ţe na trhu existuje řada důvodů, vysvětlujících kurzové pohyby, nicméně pro predikci budoucího vývoje kurzu není důleţité znát přesné důvody těchto pohybů. To se můţe jevit jako velmi povrchní a neprofesionální přístup k tvorbě rozhodnutí, na jejichţ základě by mělo docházet k investování finančních prostředků, nicméně má to svůj logický základ. Za předpokladu, ţe veškeré informace, které vedly ke změně kurzu, jsou jiţ obsaţeny v trţní ceně, je právě studium trţní ceny to, na čem nejvíce záleţí. V okamţiku, kdy cena z jakéhokoliv důvodu roste, pak podle technických analytiků v ten okamţik poptávka převýšila nabídku a na trhu mají v daný moment navrch býci, pokud ovšem z nějakého důvodu ceny klesají, potom nabídka v daný moment převyšuje poptávku a na trhu mají navrch medvědi. Tím se techničtí analytici dostávají nepřímo k výsledkům fundamentální analýzy, neboť pokud cena roste, musely být fundamenty“2 1

Jako býci jsou v této souvislosti na trzích označováni kupující. Prodávající jsou označování jako

medvědi. 2

Označení pro všechny kurzotvorné údaje.

11

pozitivní, tzv. „bullish“, v případě, ţe cena klesá, musely být fundamenty ve svém důsledku negativní, tzv. „bearish“. [J.J. Murphy, 1999] Tento úhel pohledu by se mohl zdát v rozporu s předchozím textem, nicméně skutečností je, ţe grafy nepohybují trhem nahoru a dolů samy od sebe, ale pouze reflektují převaţující sentiment na trhu.

1.1.2. Ceny se pohybují v trendech Aktuální přesvědčení investorů a jejich momentální očekávání budoucího vývoje vytváří trţní cenu a je zodpovědné za její pohyby. Kurzy na nově zveřejněné informace nereagují skokově, nýbrţ jejich reakce na nové skutečnosti a přizpůsobování se nově nastalým situacím jsou postupné. Právě toto postupné přizpůsobování kurzů nové adekvátní situaci je příčinou vzniku trendů, jeţ následně trvají po určitý čas. Koncepce trendů je z hlediska technické analýzy naprosto zásadní, neboť hlavním cílem konstrukce grafů a sledování cenových formací není nic jiného, neţ snaha rozpoznat nově nastupující trend na trhu jiţ v jeho úplných počátcích. Podaří-li se takto nastupující trend včas rozpoznat, je moţné této výhody vyuţít a obchodovat ve směru tohoto trendu. Řada metod technické analýzy je proto „trend-following“, tedy jejich hlavním úkolem je identifikovat a sledovat jiţ nastoupené trendy a rozpoznat přicházející změnu. Technický analytik v podstatě neustále hledá trhliny v teorii efektivních trhů, aby v krátkých periodách trţní neefektivity, co moţná nejdříve, odhalil nastupující změnu trendu a vyuţil ji ve svůj prospěch. Takové příleţitosti přicházejí většinou v okamţiku, kdy se směr kurzu začne otáčet a investoři, kteří v opojení z předchozích úspěchů nakupovali na samotném vrcholu trendu, začnou v panice z moţného obratu hromadně opouštět své pozice, nehledě na fundamenty. Taková napjatá období, kdy na trhu panuje značná míra nejistoty a rozhodnutí obchodníků jsou často ovlivňována emocemi, vytvářejí prostor pro disciplinované technické analytiky. Naopak v klidných obdobích vyznačujících se vyšší mírou efektivity trhu, kdy se sentiment na trhu mění jen velmi pozvolna, není pro technické analytiky příliš obchodních příleţitostí.

12

Trendy je moţné nalézt na všech specifických trzích3 a to ve všech časových rámcích. Na jednominutovém grafu můţeme mluvit o trendu, trvá-li zhruba hodinu a více. Na pětiminutovém grafu můţe dobrý trend trvat několik hodin. Na denním grafu budeme mluvit o trendu v rámci několika měsíců a na týdenních a měsíčních grafech budeme trendy měřit jiţ v rozmezí jednoho roku či několika let.

1.1.3. Historie se opakuje Celá technická analýza do značné míry vychází ze studia psychologie a lidského chování. Jiţ od samotného začátku, tedy jiţ více neţ sto let ode dne, kdy se začala psát historie technické analýzy, se analytici věnují vyhledávání, kategorizaci a pozorování specifických obrazců, které se s určitou pravidelností na grafech objevují a jeţ umoţňují technickým analytikům s určitou mírou pravděpodobnosti odhalovat nástup býčí nebo medvědí nálady na trhu. Technická analýza předpokládá, ţe pokud se tyto obrazce objevovaly v minulosti, budou se na grafech vyskytovat i do budoucna. Oporou pro toto tvrzení je studium lidské psychologie, která nemá silné tendence se v čase příliš měnit. Dalo by se to také vyjádřit tak, ţe technická analýza vidí klíč k odhalení budoucnosti v dokonalém porozumění minulosti. [J.J. Murphy, 1999]

1.2. Metody technické analýzy Obecná představa o tom, kdo je to technický analytik a čím se vyznačuje jeho práce, jiţ není tak snadno definovatelná, jak tomu bývalo kdysi. Ještě donedávna nebyl mezi označením „technician“4 a „chartist“5 v podstatě ţádný rozdíl. Přestoţe výchozím pracovním nástrojem technického analytika stále zůstává graf, dochází s dramatickým růstem popularity, dostupnosti a především pak dynamikou vývoje obchodních softwarů v posledních dvou dekádách k výraznému nárůstu matematicko-statistických indikátorů. Většina analytiků ve skutečnosti vyuţívá metod z obou stran tohoto spektra, nicméně společně s tím lze pozorovat i rozdělování na dva odlišné proudy analytiků. Tradiční

3

V kontextu niţších časových rámců. V určitých segmentech finančního trhu je existence dlouhodobých

trendů sporná a např. na měnových trzích nebyly dlouhodobé trendy nalezeny. 4

Termín označující analytika vyuţívajícího technických indikátorů.

5

Termín označující analytika vyuţívajícího grafické metody.

13

technické analytiky, vycházející především z tradičních čistě grafických metod a analytiky vyuţívající více nových matematicko-statistických metod.

1.2.1. Grafické metody Jak jiţ bylo zmíněno, základním pracovním nástrojem technického analytika jsou grafy, jeţ umoţňují zaznamenávat historický vývoj kurzů. Základním cílem analytika je pak na těchto graficky zpracovaných historických záznamech vyhledávat standardizované cenové formace, které se v grafech opakovaně vyskytují, a jejich včasná identifikace můţe obchodníkovi poskytnout dobrou příleţitost k obchodu. Tři nejčastěji vyuţívané typy grafů jsou: 1. Line chart (čárový graf) – Vyznačuje se jednoduchostí a přehledností. Je sestavován pomocí uzavíracích cen, které jsou postupně vynášeny na časovou osu a spojovány za pomoci jednoduchých čar. Na ose x je u čárového grafu sledováno časové období, na ose y pak hodnoty uzavíracích cen. Jelikoţ čárový graf pracuje pouze se zavírací cenou, neposkytuje informace o maximálním rozpětí a otevírací kurzy mohou mít niţší vypovídací hodnotu. 2. Bar chart (sloupcový graf) – Jedná se zřejmě o nejpouţívanější typ grafu, který je tvořen sloupečky, jejichţ velikost zachycuje rozpětí mezi minimální a maximální cenou. Kaţdý sloupeček má jeden nebo dva „zobáčky“, které znázorňují otevírací a uzavírací cenu. 3. Candlestick chart (svíčkový graf) – Jde o japonskou variantu sloupcových grafů, jejichţ historie sahá aţ na japonské rýţové trhy sedmnáctého století. Jedná se v současnosti o velmi oblíbený typ grafu, který stejně jako sloupcový graf pracuje s maximem, minimem, uzavírací i otevírací cenou. Kaţdá svíčka se skládá ze dvou „knotů“ a rozpětí mezi nimi vyjadřuje dosaţené maximum a minimum. Tělo svíčky zpravidla nabývá dvou barev, jedné typické pro pokles kurzu a druhé pro jeho růst. Pro svíčkové grafy je typická i vlastní soustava obrazců, které mají charakter potvrzujících znaků - potvrzují nastoupený směr pohybu, nebo reverzních znaků - indikujících změnu trendu. O grafech obecně platí, ţe volba toho kterého typu grafu je čistě subjektivní záleţitostí a záleţí výhradně na osobních preferencích kaţdého analytika. Přes veškeré nové 14

softwarové aplikace zůstane „charting“ vţdy velmi subjektivní disciplínou a úspěch při jeho vyuţívání vţdy záleţí na individuálních vlastnostech a zkušenostech kaţdého jednotlivého analytika, neboť výběr a správná interpretace historických dat z grafu je z velké části opravdové umění. Obrázek č.1: Populární typy grafů.

Zdroj: Vlastní práce v programu Metatrader 4 a Adobe Photoshop.

Mezi nejstarší a zároveň jedny z nejuţitečnějších grafických nástrojů patří trendové linie. Jak uţ sám název napovídá, slouţí především ke snadnějšímu rozpoznávání a identifikaci nastoupeného trendu. Samotná tvorba a aplikace trendových linií je velmi jednoduchá. Většinou se jedná o přímku spojující lokální minima, resp. maxima v závislosti na tom, jde-li o trend rostoucí nebo klesající. Někdy je dokonce moţné k trendové linii vytvořit rovnoběţnou přímku na úrovni maxima či minima a vzniká tzv. trendový kanál. Obecně platí, ţe trendová linie je tím významnější, čím vícekrát se od ní kurz odrazí. Na změnu trendu pak můţe upozorňovat situace, kdy cena uzavře pod resp. nad trendovou linií nebo mimo trendový kanál.

15

Obrázek č.2: Trendové linie.

Zdroj: vlastní nákres

Dalším grafickým nástrojem, bez kterého se zřejmě ţádný technický analytik neobejde, jsou vodorovné hladiny odporu a rezistence, tzv. „S/R levels“6, které vznikají v okolí důleţitých hodnot, jako jsou například 50, 100, 1000 nebo v místech předcházejících vrcholů či minim. Stejně jako trendové linie i hladiny supportu a rezistence nabývají na významu s rostoucím počtem odraţených pokusů o jejich překonání. Důvodem vzniku hladin supportu a rezistence bývají často psychologické faktory, kdy lidé čekají s nákupem/prodejem instrumentu aţ dosáhne „zaokrouhlené“ úrovně, nebo jsou to úrovně,

kde

v minulosti

přestali

být

obchodníci

za

dané

ceny

ochotni

nakupovat/prodávat a proto se v těchto místech následně obchodníci chovají velmi obezřetně a ve strachu z opakování celé situace reagují na jakékoliv negativní náznaky velmi přecitlivěle. V rámci „chartingu“ existuje také celá řada standardizovaných grafických formací, které se občas v grafech vyskytují a jejichţ včasná identifikace přináší technickým analytikům jisté výhody. Rozdělují se podle jejich hlavní funkce, tj. na: 1. Reverzní formace – To jsou takové formace, které ukazují na významnou změnu v dosavadním vývoji trendu. Mezi reverzní formace patří například: několikanásobné vrcholy či dna, hlava a ramena, misky (kulaté dno). 2. Pokračující formace – Jsou takové formace, které signalizují konsolidaci trendu, po které kurz naváţe na svůj předchozí směr pohybu. V grafech se z logiky věci vyskytují mnohem častěji neţ reverzní formace, neboť trendy daleko častěji odpočívají, neţ aby měnily svůj celkový směr a ne kaţdý „krok

6

Support/resistence

16

stranou“ hlavního trendu tedy znamená jeho změnu. Mezi pokračující formace patří například: trojúhelníky, praporky, vlajky nebo gapy (mezery).

1.2.2. Technické indikátory Ve snaze lépe porozumět a přesněji predikovat budoucí vývoj kurzu vyvíjejí analytici značné mnoţství ukazatelů zaloţených na statistických, matematických, či uměle vytvořených veličinách, pomocí nichţ, nebo jejich vhodnou kombinací, se snaţí rozkrýt důvody vedoucí ke kurzovým pohybům. Zcela rozkrýt a podchytit kaţdý jednotlivý pohyb ceny a vytvořit tak stoprocentně přesný obchodní systém zřejmě není vůbec moţné a tak sami analytici často přirovnávají své snaţení jako honbu za „svatým grálem“. [M.J. Pring, 1995]To však analytiky neodrazuje od toho, aby v jeho hledání pokračovali, a mezi investorskou veřejnost se doslova valí nové a nové indikátory. Jelikoţ velké mnoţství nových indikátorů vzniká i několikanásobnou kombinací jiţ existujících indikátorů, dochází tak nezřídka i k situaci, kdy daný indikátor neumí správně interpretovat nikdo jiný, neţ sám jeho autor. Velká obliba technických indikátorů vychází i ze skutečnosti, ţe umoţňují analytikům na jejich základě vytvářet automatizované obchodní systémy a zdánlivě tak redukují míru potřebného talentu, zkušeností a znalostí, které tvoří tolikrát zmiňovanou a neoddělitelnou součást technické analýzy, kterou je ono subjektivní umění vidět v grafech tu správnou „budoucnost“. Čas od času se sice objevují „zaručené“ zprávy o sestrojení zázračného obchodního systému, nicméně zkušení obchodníci jiţ vědí, ţe ţádný takový zaručený stroj na peníze, který by myslel za člověka a nedělal chyby, neexistuje. To neznamená, ţe by automatizované systémy nemohly být profitabilní. Objevují se systémy, které vykazují pozitivní výsledky a mohou dobře fungovat i po několik let, nicméně takové systémy se většinou dostanou do potíţí v okamţiku, kdy dojde ke změně podmínek na trhu. [A. Elder, 1993] Obecně se technické indikátory dělí do několika skupin na základě společných znaků některých indikátorů. Taková klasifikace však nemůţe být povaţována za absolutní, neboť jeden indikátor můţe vykazovat charakteristické znaky hned několika skupin. Technické indikátory můţeme rozčlenit do těchto kategorií:

17

 Indikátory sledující trend tzv. trend-following indikátory, kam patří např. všechny klouzavé průměry a metody na nich zaloţené jako např. MACD.  Oscilátory, nazývané téţ jako protitrendové indikátory. Hodnota těchto ukazatelů neustále kolísá kolem určitých hodnot či ve vymezeném pásmu. Tyto indikátory jsou schopny poskytovat prodejní/nákupní signály dříve neţ indikátory sledující trend. Mezi oscilátory patří např. Stochastic, Momentum aj.  Objemové indikátory pracují s daty o dosaţených objemech obchodů. Nejtypičtějším je zřejmě indikátor Volume.  Indikátory šíře a výkonnosti trhu mapují výkonnost vybraného instrumentu nebo například celého odvětví. Do této kategorie je moţné zařadit např. Avance/Decline index.  Indikátory sentimentu trhu se snaţí mapovat strukturu trhu např. poměr mezi velkými profesionálními institucemi a širokou investorskou veřejností. Snaţí se také identifikovat psychologické faktory, které mají z krátkodobého hlediska významný vliv na situaci na trhu.

1.3. Teorie vs. praxe Na začátku této kapitoly je nutné definovat jednu podstatnou věc, a to rozdíl mezi prognózováním budoucího vývoje a „tradingem“7. Prognózování budoucího vývoje na základě technické analýzy je zaloţeno na promítání historie do budoucnosti. Trading je oproti tomu činnost více stresující a s větší mírou zodpovědnosti. Skutečný obchodník totiţ kromě analýzy historie a predikce budoucnosti neustále monitoruje stávající portfolio investic, provádí finanční transakce, vstupuje na finanční trhy a nakupuje či prodává reálné finanční instrumenty. Prognózování budoucího vývoje je jako sedět nad mapou a plánovat trasu z místa A do místa B. Mapa v tomto případě zvyšuje naše šance, dojezdu do místa B a sniţuje šanci, ţe po cestě zabloudíme. Co uţ se však z mapy nedozvíme, jsou informace o dopravních zácpách, uzavírkách atp. Stejně jako řidič sedící za volantem, musí i trader neustále sledovat, co se děje před ním a reagovat pokaţdé, kdyţ se na cestě vyskytne něco předem neplánovaného.

7

Profitabilní vyuţití technické analýzy v praxi.

18

Největším úskalím technické analýzy je skutečnost, ţe historie se nikdy neopakuje zcela přesně a proto ani signály, které technická analýza poskytuje, nelze brát vţdy jako stoprocentně správné. Odlišení správných a falešných signálů závisí především na individuálních dovednostech kaţdého analytika a zvládnutí technické analýzy je z velké části umění. V závislosti na tom, je při prognózování téměř nemoţné dosáhnout vţdy absolutní úspěšnosti a je vţdy nutné pracovat pouze s pravděpodobností, ţe daná situace nastane. Při prognózování budoucího vývoje můţe také situaci komplikovat skutečnost, ţe se řada indikátorů opoţďuje (např. klouzavé průměry) a existují i indikátory, které se zpětně přepočítávají podle nově získaných dat. Na takových indikátorech je nebezpečné stavět svůj obchodní systém a je dobré jich vyuţívat pouze jako pomocných indikátorů. Dalším problémem technické analýzy je míra efektivnosti trhů. Dosahuje-li míra efektivnosti minimálně slabé úrovně, je podle teorie efektivních trhů nemoţné, aby v dlouhém měřítku byly výsledky technické analýzy pozitivní. Technická analýza stejně jako teorie efektivních trhů uvaţuje, ţe trh odráţí znalosti všech jeho účastníků. Hlavní konflikt však spočívá v tom, ţe podle teorie efektivních trhů lidé vţdy uvaţují racionálně s cílem maximalizovat zisky a minimalizovat ztráty, coţ se technickým analytikům jeví jako příliš zidealizovaný pohled na lidské rozhodování. V praxi se jeví, ţe technická analýza funguje daleko lépe při „zvlněných“ obdobích, kdy se investoři zdají daleko náchylnější jednat na základě emocí a trhy se tak jeví „méně“ efektivní neţ v klidnějších netrendujících fázích, kdy se emoce z trhu vytrácejí a efektivnost trhu se zdá být „vyšší“. [A. Elder 2002]

1.3.1. Předpoklady úspěšného obchodování Základní pravidlo, kterého je nutné se drţet, zní: „Nakupovat, kdyţ je cena nízko, prodávat tehdy, kdyţ je vysoko“. Toto jednoduché pravidlo je klíčem k úspěchu, nicméně kaţdý, kdo se jiţ pokoušel reálně obchodovat, určitě narazil na situaci, ţe ani přes nejlepší úmysly, není vţdy snadné se tohoto pravidla drţet, neboť kurzové pohyby se většinu času jeví jako naprosto chaotické a nepředvídatelné. Podobně jako se nám pohyb mraků po obloze nebo tekoucí voda v řece jeví jako naprosto náhodné procesy, je moţné v nich zpozorovat dočasné situace uspořádaného pohybu. A to je přesně ten 19

pohled, kterým by se měl trader dívat na vývoj trhu. Inteligentní trader by měl vědět, kdy se kurz pohybuje nepředvídatelně a vyhledávat pouze okamţiky uspořádaného pohybu. Kaţdý provedený obchod na finančním trhu je sázkou na změnu kurzu. Paradoxem je, ţe aktuální kurz v sobě odráţí konsenzus účastníku trhu o hodnotě daného finančního instrumentu. S kaţdým vstupem do pozice tak obchodník napadá toto většinové mínění v domnění, ţe je daný instrument trhem podhodnocen nebo nadhodnocen. Jelikoţ se však na finančních trzích pohybují některé z nejlépe kapitálově vybavených společností, které zaměstnávají jedny z nejlepších mozků na světě, můţe být toto polemizování s většinovým úsudkem velmi nebezpečné. Trading není byznys s jistotou konstantního zisku, ale je to obchodování zaloţené na vyuţívání pravděpodobnosti ve vlastní prospěch. Cílem profesionálního obchodníka není dosáhnout zisku z kaţdého jednotlivého obchodu, ale být ziskový z dlouhodobého hlediska. Míra úspěchu při tradingu závisí především na schopnostech obchodníka zvrátit pravděpodobnost dosaţení zisku na svou stranu. [C.A. Kase, 1996] V tomto ohledu toho mají obchodníci mnoho společného např. s profesionálními hráči pokeru. Pro mnoho lidí je poker jen hazardní hra, ve které rozhoduje faktor náhody, jelikoţ hráč předem nemůţe vědět, jaké karty obdrţí a jaké budou vyloţeny na stůl. Přesto existují lidé, kteří se hraním pokeru profesionálně ţiví a na finálových stolech největších pokerových turnajů na světě můţeme vídat stále ty samé tváře, přestoţe se těchto turnajů účastní mnohdy i tisíce hráčů. Hraní pokeru a obchodování na burze má aţ nezvykle mnoho podobných znaků. Stejně jako v pokeru, tak i na trhu jsou peníze, o které se „hraje“, jen díky tomu, ţe je tam lidé dobrovolně umístili. Jste-li na burze úspěšní, získáte peníze, které jiní ztratili. Kaţdý obchod zaloţený na odhadu pravděpodobnosti úspěchu vyţaduje speciální přístup ve třech oblastech, a to v myšlení, metodách a money managementu8. Kaţdý začínající investor se zpravidla domnívá, ţe nejdůleţitějším faktorem, pro dosaţení zisku, je nalezení správné obchodní metody. Profesionálové však vědí, ţe není moţné dlouhodobě dosahovat úspěšných výsledků bez zvládnutí všech tří oblastí. 8

správa finančních prostředků

20

[A. Elder, 2002] Ani sebelepší obchodní metoda nepřinese obchodníkovi dlouhodobé zisky, pokud obchodník při rozhodování často podléhá emocionálním vlivům, není disciplinovaný nebo v případě špatně nastaveného money managementu, není jeho obchodní účet schopen přečkat sérii několika po sobě jdoucích ztrátových obchodů. Vzhledem k tomu, ţe obchodní systém bude tématem druhé části této diplomové práce, zaměřím se nyní pouze na dvě ze tří kategorií potřebných dovedností, tj. osobnost obchodníka a na money management. Nicméně jak jsem zmínil jiţ v předchozím textu, je nutné vzít na vědomí, ţe podmínkou úspěchu v tradingu je ovládání všech tří disciplín a jedna bez druhé nevede k trvalému úspěchu.

1.3.2. Psychologické aspekty obchodování Zvládnutí vlastní mysli a udrţení disciplíny je nejvíce přehlíţená a přesto zřejmě nejdůleţitější oblast dovedností, které by si měl obchodník osvojit. Jedná se o kategorii dovedností, které nelze nikdy zcela přesně teoreticky obsáhnout, protoţe se nejvíce dotýkají subjektivních vlastností a individuálních schopností kaţdého jedince. Zároveň jde o dovednosti, jejichţ nutnost a potřebu si člověk častokrát uvědomí, aţ s určitým časovým odstupem. Do té doby, neţ se obchodník na jejich základě dopustí několika chyb, pouze splývají s textem v odborných knihách, ke kterým si člověk bez zkušeností není s to vytvořit realistickou představu o jejich zásadním významu. Dalo by se říci, ţe cesta k získání těchto dovedností mnohdy vede pouze přes učení se z vlastních chyb. Základním motivem tvorby všech automatizovaných obchodních systémů je snaha zcela zbavit obchodování emocí, jejichţ nezvládnutí nezřídka vede k neúspěchu a ztrátám při obchodování. Počítačový program, který obchoduje za investora a zbavuje ho rizika nezvládnutí vlastních emocí ve vypjatých momentech. Stačí jen nadefinovat správné příkazy, podle kterých počítač pozná, kdy vstoupit do pozice a kdy ukončit obchod. Z toho však vyplývá jeden velký paradox, řada lidí je schopna vytvořit vlastní pravidla pro profitabilní systém, ale nemálo z nich mívá velký problém se danými pravidly v reálném obchodování disciplinovaně řídit. To jen dokumentuje skutečnost, jak velkou roli při obchodování sehrává lidská mysl a psychologie.

21

Obchodování s sebou přináší obrovské vzrušení, paradoxní ale je, ţe člověk, který se chce ţivit obchodováním, nesmí být ovládán emocemi. Takový člověk nesmí podléhat tlaku, kterému podléhají ostatní. Emoce, které vedou k všeobecné panice na trhu, či emoce, které vedou k přehnanému optimismu a vyvolají nákupní rallye na trzích, to jsou jen jedny z mnoha situací, kdy obchodník musí zachovat klidnou hlavu, zůstat disciplinovaný a drţet se pouze racionálního uvaţování, neboť to jsou okamţiky, které s sebou přinášejí zásadní obchodní příleţitosti. Pro lepší představu je moţné uvést opět příklad z kasina, kde amatéři zpravidla bouřlivě oslavují kaţdou jednotlivou výhru, zatímco profesionálové chladně sledují hru za hrou, počítají své šance, po většinu času disciplinovaně pokládají své karty a čekají na svou příleţitost. V okamţiku, kdy taková situace nastane, vyuţijí svůj potenciál na maximum a získají peníze svých protihráčů. Vychází-li technická analýza z toho, ţe se lidé v určitých situacích chovají stejně, je úkolem obchodníka zůstat takovému chování stranou, protoţe jen v takovém případě je schopen správně rozeznat hodnotu příleţitosti. Vzhledem k tomu, jak významnou roli hrají individuální dovednosti kaţdého obchodníka, není divu, ţe je aplikace technické analýzy povaţována za určitý druh subjektivního umění a není ani ţádným tajemstvím, ţe právě toto je její největší slabinou v očích akademické veřejnosti. Měření výkonnosti jednotlivých metod bývají téţ velmi problematická, neboť testovaná metoda sama o sobě můţe vykazovat leckdy i negativní výsledky, ale při spojení s dovednostmi zkušeného obchodníka se můţe stát profitabilní. Stejně tak metody, které podrobeny výzkumu a statistickému testování vykazují ziskový potenciál, neznamenají automaticky zajištěný příjem pro jejich majitele. Trading totiţ není jako matematika, v tradingu neexistuje jeden společný vzorec nebo právě jedno správné řešení. Při obchodování nelze spoléhat na jednu jedinou obchodní metodu, která by přinesla úspěch všem obchodníkům. Co člověk to jiná osobnost, kaţdý se liší svým přístupem, hierarchií hodnot, odlišným přístupem k riziku, různým prahem „bolesti“ či velikostí obchodního účtu. Někteří lidé mohou mít několik vlastností společných, ale v řadě dalších se budou lišit. Kaţdý člověk je unikátní a proto se úspěch kaţdého obchodníka bude odvíjet především od tak

22

těţko měřitelných faktorů, jako je lidská osobnost, osobní preference či způsob řešení krizových situací. Na základě rozdílného přístupu k obchodování můţeme rozlišovat zhruba tyto čtyři obchodní styly:  Position trading – Tento styl obchodování nevyţaduje příliš mnoho času stráveného kaţdodenním sledováním grafů a je převáţně doménou velkých institucí a obchodníků, kteří ke svému obchodování vyuţívají kromě technické analýzy i makroekonomických dat. Jedná se o obchody v řádu několika týdnů aţ měsíců. Takový obchodník se zaměřuje zpravidla pouze na významné příleţitosti a očekává zisky na úrovni minimálně 500 – 1000 bodů. To však na druhé straně vyţaduje značné poţadavky na obchodní kapitál, neboť při tomto způsobu obchodování je nutné počítat se stop-loss9 příkazy v rozpětí 100 aţ 500 bodů. Position trading nevyţaduje rychlé rozhodování pod tíhou okamţiku a umoţňuje obchodníkům rozhodovat se s větším nadhledem nad celou situací. Při pozičním obchodování dosahují obchodníci zpravidla také vysokého „riskreward ratio“10, coţ jim umoţňuje minimalizovat ztráty v případě, ţe se trh nevyvíjí předpokládaným směrem a maximalizovat zisk v případě správného odhadu situace.  Swing trading – Typický swing trader je obchodník, který je ochotný drţet své otevřené pozice po dobu několika dní, někdy i týdnů. Hlavním záměrem takového obchodníka je profitovat z krátkodobé fluktuace kurzu, dát obchodům dostatečný prostor k pohybu a případně zachytit změny hlavního trendu jiţ v jejich počátcích. Takový obchodník zpravidla jednou denně vyhodnotí hlavní ekonomické události zveřejněné v daný den a snaţí se předem odhadnout, jak by mohl trh pravděpodobně reagovat na zveřejnění nových ekonomických dat11 v příštích čtyřiadvaceti hodinách. Naznačí-li mu situace, ţe se na trzích schyluje ke zvýšené volatilitě, pak takový trader pravděpodobně otevře svůj obchodní software a pomocí nástrojů technické analýzy vyhledá nejlepší okamţik pro umístění svých příkazů a pak celou situaci jednou aţ dvakrát denně pouze 9

Stop-loss – příkaz, který v případě špatného vývoje na trhu automaticky uzavře ztrátový obchod.

10

Poměr mezi pravděpodobnou ztrátou a ziskem.

11

Za předpokladu, ţe by zveřejněné události nebyly v souladu se všeobecným konsenzem.

23

zkontroluje. Za předpokladu, ţe jde o úspěšného obchodníka, budou jeho ztráty limitovány zhruba na úrovni kolem 50 aţ 100 bodů a průměrné zisky by mohly dosahovat rozpětí někde mezi 100 aţ 500 body.  Day trading – Tento způsob tradingu se vyznačuje velmi krátkodobým drţením obchodních pozic, které jsou otevírány a uzavírány v rámci jednoho dne. K tomuto stylu obchodování tíhnou především lidé, kteří mají raději více akce a neradi přicházejí, byť i o jedinou obchodní příleţitost a to i za cenu většího mnoţství falešných signálů. Denní obchodníci bývají také averzní k riziku a pouţívají daleko těsnější „stop-lossy“. Takový obchodník musí být velmi zkušený a musí mít velmi dobře promyšlenou obchodní strategii a excelentní obchodní systém. Zpravidla má trading jako svou hlavní ţivnost a sleduje vývoj trhu průběţně po celý den. Denní obchodníci se také zpravidla více rozhodují převáţně podle technické analýzy, která jim umoţňuje generovat automatické obchodní signály s vysokou mírou pravděpodobnosti úspěchu. Takový obchodník limituje své ztráty na zhruba 10 aţ 20 bodů zatímco se snaţí své zisky vybírat v rozmezí 10 aţ 50 bodů. Day trading je psychologicky nejnáročnějším

stylem

obchodování,

vyţaduje

nejvíce

zkušeností

a

nejpropracovanější obchodní systémy. Day trader se musí zároveň umět vyrovnat s mnoţstvím ztrátových obchodů, někteří z nich mohou dokonce dosahovat větší poměr ztrátových obchodů nad ziskovými, ale jejich průměrné zisky bývají téměř dvakrát tak velké jako průměrné ztráty a proto se mohou udrţet z dlouhodobého hlediska v zisku.  Scalping – Pro tuto metodu jsou typické velmi časté a velmi krátké obchody v řádu maximálně několika minut, někdy dokonce jen několika sekund. Scalping se nevyuţívá příliš často jako hlavní metoda obchodování, ale bývá většinou doplňkem při day tradingu. Scalping se provádí s větším mnoţstvím obchodovaného instrumentu s cílem získat profit na úrovni jen několika málo bodů. Pro tuto metodu bývá často vyuţíváno automatizovaných obchodních systémů, neboť zde velkou roli hraje rychlost a aţ chirurgicky přesné umístění obchodního příkazu. Scalping je velmi rizikový a potřebuje, kromě velmi spolehlivého obchodního systému, také dobře promyšlený money management a velký obchodní kapitál. Scalping není moţné provádět na všech finančních instrumentech, neboť se jedná o metodu, která profituje ze zisku jen několika 24

málo bodů, a proto zde velmi záleţí na úrovni rozpětí mezi nákupním a prodejním kurzem. Z toho důvodu bývá scalping nejčastěji vyuţíván jen na nejlikvidnějších měnových párech.

1.3.3. Money management V předchozím textu jsem jiţ několikrát přirovnal profesionálního obchodníka k profesionálnímu hráči pokeru. Není pochyb o tom, ţe poker je hazardní hra a v jako takové v ní hraje významnou roli náhoda. Přesto je moţné být v této hře dlouhodobě úspěšný, respektive profitabilní, jak dokazují statistiky nejlepších hráčů na světě. Přesné údaje o tom, kolik procent hráčů pokeru na světě je schopno se svými dovednostmi profesionálně ţivit neexistují, obecně se však má za to, ţe to není více, neţ 5%. Stejně tak o úspěšnosti aktivních obchodníků se toho mnoho neví, neboť brokerské společnosti neposkytují důvěrné informace o účtech svých klientů. Nicméně v textech věnujících se tradingu je běţně uváděno, ţe aţ 95% začínajících traderů přijde o svůj počáteční obchodní kapitál. [B. Schlossberg, 2006] Ať uţ jsou tato čísla skutečná či nikoliv, zcela jistě nebudou daleko od pravdy, vţdyť jen podle údajů z amerického trhu 80% všech začínajících firem na trhu neuspěje. Povaţujeme-li trading za regulérní byznys, pak je nasnadě, ţe ani procentuální úspěšnost individuelních obchodníků nemůţe být vyšší, ba naopak, vzhledem ke stále se sniţujícím bariérám vstupu a prudkým nárůstem retailových obchodníků se pravděpodobnost neúspěchu bude spíše zvyšovat. Co mají ale profesionální pokerový hráči společného s profesionálními obchodníky? Dosahovat dlouhodobě vyšších zisků neţ ztrát můţe v pokeru pouze hráč, který má, kromě talentu, především skvěle zvládnutý money management tzn. způsob optimalizace zisků a ztrát. Profesionální hráč si pokaţdé, neţ vloţí peníze do banku, dobře spočítá své šance. Takovým typickým příkladem můţe být situace, kdy je hráč vystaven vysoké sázce soupeře, na stole nejsou ještě všechny karty a zároveň tento hráč nemá v dané situaci nejvyšší moţnou kombinaci, ale pouze šanci na její sloţení v případě, kdy by v dalších kolech dealer odkryl kartu ideální barvy nebo hodnoty. Profesionální pokerový hráč si v takové situaci umí rychle spočítat, jaká je pravděpodobnost toho, ţe z 52 karet v balíčku mu na stůl můţe přijít některá z potřebných karet a spočítá si téţ poměr mezi hodnotou banku a velikostí částky, kterou musí dorovnat. Pokud jsou šance na sloţení vítězné kombinace vyšší neţ poměr 25

mezi dorovnáním a hodnotou banku, pak je pro hráče vţdy výhodné soupeřovu sázku dorovnat, protoţe statisticky mu takový krok z dlouhodobého hlediska přinese více peněz z výher, neţ kolik jich ztratí v případě prohry. Pro ilustraci: pokud je v banku $350 a hráč musí dorovnat sázku $50, pak je poměr mezi hodnotou banku a dorovnáním 7:1, tzn., že v takovém případě hráč nezaznamená ztrátu, pokud z osmi her alespoň jednou zvítězí (1x$350=7x$50 = $350). Pokud je například v takové partii nejvyšší možnou dosažitelnou kombinací flush (pět karet stejné barvy), má hráč cca 20% (přesně 19,6%) šanci na výhru, což vytvoří poměr 4:1 a to statisticky dává hráči pravděpodobnost, že z pěti her jednou vyhraje. V takovém případě má hráč pozitivní očekávání a je výhodné pro něj sázku vždy dorovnat, neboť v dlouhodobém horizontu mu tato strategie přinese více peněz z výher, než za stejnou dobu ztratí. V případě negativního očekávání, je nejlepším řešením sázku nedorovnat. Přestoţe na první pohled jsou trading a poker dvě diametrálně odlišné věci, je i trading v součtu pouze „hrou“ na pravděpodobnost. Obchodník, který neumí správně znát své šance a spravovat podle toho své finanční prostředky nemá v dlouhodobém horizontu šanci dosáhnout na trzích úspěchu. Obchodování bez správného money managementu je stejné jako snaţit se zbohatnout v kasinu – je to hazard s jediným moţným koncem. Hazardní hra umoţní hráči dosáhnout na výhru, ale v dlouhodobém horizontu je hráč statisticky odsouzen k vyšším výdajům, neţ jaké mu hra můţe přinést zisky. Veškeré hazardní hry, na světě fungují na stejném principu. Principu tzv. pozitivního očekávání ve prospěch jejich provozovatele a statisticky je nemoţné na nich dlouhodobě profitovat. Chce-li obchodník na trzích dlouhodobě profitovat, musí se stejnými principy také pracovat. V praxi se však nemusí jednat o nic jednoduchého - obzvlášť v prostředí s vysokými spready, provizemi, slippage12 a dalšími náklady, které uţ před samotným vstupem do obchodní pozice vychylují šance v neprospěch obchodníka. Uvaţujme příklad: obchodník má na svém obchodním účtu 100 000 v jedno jaké měně a ztratí 50 000, pak přišel o 50% svého obchodního účtu. Pro získání oněch ztracených 50 000 a dosaţení původní hodnoty obchodního kapitálu potřebuje zhodnocení nikoliv 50% ale celých 100%. Pointa je v tom, ţe při obchodování, je velmi snadné finanční 12

Rozdíl mezi poţadovanou a skutečnou trţní cenou, za kterou je transakce provedena.

26

prostředky ztratit, ale mnohem obtíţnější je získat je zpět. Stejně jako profesionální hráči pokeru procházejí ztrátovými obdobími, procházejí jimi i profesionální obchodníci. Důvodem proč nejlepší pokeroví hráči praktikují money management je ten, ţe jsou si velmi dobře vědomi toho, ţe nemohou vyhrát kaţdou jednotlivou hru. Ani obchodní systém, který bude mít úspěšnost 70%13, nezaručí ţádnému obchodníkovi, ţe nenastane situace, kdy bude vystaven delší sérii ztrát. I kdyby prvních 30 ze 100 obchodů bylo ztrátových a zbylých 70 ziskových, takový obchodník by bez dobrého money managementu s největší pravděpodobností o všechny finanční prostředky přišel dříve, neţ by se dostal na konec ztrátové série. Z tohoto důvodu je zvládnutí money managementu tak velmi důleţité, bez ohledu na to, jak dokonalý obchodní systém kdo pouţívá. Aby obchodník dokázal přečkat i delší ztrátovou sérii, musí mít nejen dostatečně velký obchodní kapitál, ale také musí do kaţdého obchodu investovat vţdy pouze malé procento ze svého celkového kapitálu. Všeobecně akceptovaná míra rizika na jeden obchod bývá nejčastěji uváděna jako 2% z celkového kapitálu.[A. Elder 2002] Jak je moţné pozorovat v tabulce č. 1, je velký rozdíl pokud obchodník riskuje na kaţdý obchod 2% nebo 10% z celkového obchodního kapitálu. Pokud by tak došlo k extrémnímu případu a investor by prošel dvaceti ztrátovými obchody v řadě, ztratil by při vyšším riziku na kaţdý obchod více neţ 86% z původního kapitálu a v takovém případě by následně musel zhodnotit svůj kapitál o 740%, aby se dostal alespoň na původní úroveň a smazal tak všechny ztráty. Dvacet ztrátových obchodů v řadě je situace, která je extrémním příkladem, ale velký rozdíl mezi investováním 2% a 10% je patrný i po sérii pouhých pěti ztrátových obchodů, neboť ani po sérii dvaceti ztrátových obchodů s 2% rizikem by investor neztratil tolik, jako po sérii pěti ztrátových obchodů při 10% riziku.

13

Obchodní systém s takovou úspěšností by se dal označit za excelentní.

27

Tabulka č.1: Vliv série ztrátových obchodů na obchodní kapitál Obchod Obchodní kapitál riziko 2%

Obchod Obchodní kapitál riziko 10%

1

100 000 €

2 000 €

1

100 000 €

10 000 €

2

98 000 €

1 960 €

2

90 000 €

9 000 €

3

96 040 €

1 921 €

3

81 000 €

8 100 €

4

94 119 €

1 882 €

4

72 900 €

7 290 €

5

92 237 €

1 845 €

5

65 610 €

6 561 €

6

90 392 €

1 808 €

6

59 049 €

5 905 €

7

88 584 €

1 772 €

7

53 144 €

5 314 €

8

86 813 €

1 736 €

8

47 830 €

4 783 €

9

85 076 €

1 702 €

9

43 047 €

4 305 €

10

83 375 €

1 667 €

10

38 742 €

3 874 €

11

81 707 €

1 634 €

11

34 868 €

3 487 €

12

80 073 €

1 601 €

12

31 381 €

3 138 €

13

78 472 €

1 569 €

13

28 243 €

2 824 €

14

76 902 €

1 538 €

14

25 419 €

2 542 €

15

75 364 €

1 507 €

15

22 877 €

2 288 €

16

73 857 €

1 477 €

16

20 589 €

2 059 €

17

72 380 €

1 448 €

17

18 530 €

1 853 €

18

70 932 €

1 419 €

18

16 677 €

1 668 €

19

69 514 €

1 390 €

19

15 009 €

1 501 €

20

68 123 €

1 362 €

20

13 509 €

1 351 €

Zdroj: Vlastní výpočty v programu Microsoft Office Excel

Z výše uvedeného by se dalo usoudit, ţe cesta k trvalému úspěchu při aktivním obchodování vede především přes dokonalé zvládání svých vlastních ztrát. Money management se však skládá ze dvou hlavních sloţek a tou druhou je optimalizace zisků. Jedná se především o řízení tzv. „reward/risk ratio“, jehoţ princip byl v podstatě jiţ nastíněn ve výše uvedeném příkladu o rozhodování profesionálního pokerového hráče. Celý princip vychází z toho, ţe obchodník bude obchodovat především tehdy, kdyţ šance na zisk bude vyšší, neţ šance utrţení ztráty, respektive bude obchodovat tehdy, pokud potenciální zisk bude vyšší neţ riskovaná částka. Toho není v praxi zcela jednoduché dosáhnout a vyţaduje to nejen zkušenosti, ale i přizpůsobení vlastního obchodního stylu poţadovanému poměru mezi ziskem a ztrátou. Logicky při scalpingu či day tradingu není moţné počítat s reward/risk ratio vyšším, neţ 1:1 nebo max. 2:1, jelikoţ je při nich vyuţíváno velmi krátkodobých „trendů“, jejichţ výskyt je víceméně chaotický a jejich trvání se nedá předvídat na delší čas dopředu. Vyšších poměrů je moţné dosahovat při swing tradingu a především pak při position 28

tradingu, pro který je vyuţívání vyššího reward/risk ratio typické. Samotné reward/risk ratio je nástrojem na zvýšení vlastní šance na dosaţení dlouhodobé profitability, nezaručuje však zároveň dosaţení nejvyšších moţných zisků. Aplikace vyššího r/r je totiţ také zpravidla kompenzováno niţším počtem obchodních příleţitostí a je tak na kaţdém obchodníkovi, aby našel takový poměr, který nejvíce vyhovuje jeho vlastním poţadavkům na výkon obchodního systému a jeho stylu obchodování. Pro ilustraci předpokládejme dva obchodníky se dvěma odlišnými obchodními systémy, kde první dosahuje úspěšnosti 40% a druhý pouze 30%. Oba obchodníci jsou však natolik zkušení, že první z nich dosahuje reward/risk ratio na úrovni 2:1 a druhý dokonce 3:1, jak ukazuje tabulka č.2. Oba dva obchodníci ve výsledku dosahují profitu i přes nízkou úspěšnost svých obchodních systémů. Tabulka č.2: Reward/risk ratio Reward/Risk ratio 2:1 0bchod

Ztráta

Reward/Risk ratio 3:1

Zisk

0bchod

Ztráta

Zisk

1

1 000 €

-

€

1

1 000 €

-

€

2

1 000 €

-

€

2

1 000 €

-

€

3 4

-

€

2 000 €

3

-

€

2 000 €

4

-

€

3 000 €

-

€

3 000 €

5

1 000 €

-

€

5

1 000 €

-

€

6

1 000 €

-

€

6

1 000 €

-

€

2 000 €

7

7

-

€

-

€

3 000 €

8

1 000 €

-

€

8

1 000 €

-

€

9

1 000 €

-

€

9

1 000 €

-

€

€

2 000 €

10

1 000 €

6 000 €

8 000 €

Celkem

7 000 €

10 Celkem

-

9 000 €

Zdroj: vlastí výpočty v programu Microsoft Office Excel

Jak je z výše uvedeného příkladu patrné, schopnost řídit své zisky výrazně zvyšuje šance aktivního obchodníka na dosaţení dlouhodobé profitability a sniţuje nároky na přesnost obchodních metod.

29

2. Konstrukce obchodního systému a výběr dat pro testování Dobrý obchodní systém je v podstatě souhrn specifických pravidel, podle kterých pak obchodník plánuje své aktivity na trhu. Celá řada takových úkonů, jako je např. hledání obchodních příleţitostí, nastavení optimálního vstupu/výstupu z trhu, nastavení stoplossu atd., můţe být předem nastavena a prováděna automaticky, není tomu tak ale vţdy. Dobrý obchodní systém je plán pro budoucí aktivity na trhu. Ţádný plán však nemůţe předvídat zcela vše a proto velmi důleţitou roli v rozhodování musí sehrát i vlastní úsudek, ostatně jak uţ bylo popsáno v předchozích kapitolách. Podobně jako při ranní cestě autem do práce, musí řidič, nehledě na kaţdodenní rutinu, dávat pozor na chodce křiţující komunikaci, na kluzkou vozovku za deště či na náledí v mrazivých časech, musí i trader neustále monitorovat situaci na trhu a vyuţívat vlastní úsudek v situacích, které nelze do obchodního systému předem zahrnout. Jak jiţ bylo zmíněno v předchozím textu, na světě neexistuje jediný správný a dokonalý systém na profitabilní obchodování, proto kaţdý systém je do značné míry odvislý od osobnosti jeho tvůrce, respektive od jeho stylu obchodování. Základními poţadavky na kaţdý obchodní systém je dosaţení dvou základních funkcí: 1. Obchodní systém by měl být schopen poskytovat obchodní signály co nejdříve. 2. Obchodní systém by měl být schopen odfiltrovat falešné signály respektive potvrdit trend. V případě, ţe obchodní systém splňuje tyto dvě funkce, je moţné ho označit za potenciálně úspěšný. Celou věc však komplikuje skutečnost, ţe obě tyto funkce jsou ve vzájemném rozporu. Obchodní systém, jehoţ jediným cílem by bylo zachytit nastupující trendy co nejdříve, by v takovém případě kromě dobrých signálů poskytoval i velké mnoţství netrendových pohybů – falešných signálů. Na druhé straně obchodní systém, s jediným cílem vyhnout se falešným signálům, by měl za následek, ţe obchodník by trţní pohyby zachytával aţ příliš pozdě a některé obchodní příleţitosti by 30

mu unikly zcela. Hlavním cílem při tvorbě kaţdého obchodního systému je tak nalezení kompromisu - zachytit trend dostatečně rychle, ale zároveň najít způsob jak od sebe odlišit skutečné a falešné signály.

2.1. Konstrukce obchodního systému Při konstrukci kaţdého obchodního systému je nutné definovat šest základních parametrů, které následně determinují úspěšnost celého obchodního systému. Mezi tyto parametry patří: 1) Volba optimálního časového rámce – Volba časového horizontu je čistě subjektivní věc a záleţí především na obchodním profilu kaţdého obchodníka. Jedním z důvodů, proč řada obchodníků nedosahuje ani zdaleka svého obchodního potenciálu je to, ţe při obchodování vyuţívají špatný časový rámec pro svůj obchodní profil. Je nutné mít však na paměti, ţe čím vyšší časový horizont, tím větší váhu má trend, který se na něm vyskytuje. Pokud tedy na denním grafu existuje silný klesající trend, není moţné z růstových signálů na minutových a hodinových grafech usuzovat, ţe dojde i ke změně globálního trendu. Zároveň by mělo platit, ţe čím niţší časový horizont obchodník vyuţívá, tím více by měl mít zkušeností. Kaţdý, kdo se někdy podíval na pohyb kurzu z více časových rámců najednou, určitě zjistil, ţe trend se můţe v jeden okamţik vyvíjet různými směry. Například můţe snadno dojít k situaci, kdy na týdenním grafu klouzavý průměr stoupá – dostáváme nákupní signál – a zároveň klesá na denním grafu – dostáváme prodejní signál. Stejně tak hodinový graf můţe vykazovat kvalitní nákupní signály, zatímco minutový indikuje prodej. Proto obchodování v niţších časových horizontech vyţaduje vyšší míru znalostí a zkušeností. Prvním úkolem kaţdého obchodníka při tvorbě vlastního obchodního systému je tedy nalézt odpověď na otázku: jaký je jeho obchodní profil a který časový rámec k němu pasuje nejlépe. Podle toho k jakému obchodnímu stylu obchodník tíhne, zvolí optimální časový rámec. Obecně by se dalo říct, ţe position trader vyuţívá nejvíce týdenních a denních grafů, swing trader hodinové a vícehodinové grafy (8h, 4h), day trader 31

zpravidla 5 – 30 minutové grafy a pro scalping jsou nejvhodnější ty zcela nejkratší časové rámce, které je vám váš broker schopen poskytnout (<5m). 2) Vybrat vhodné indikátory pro včasnou identifikaci trendu – Základním úkolem téměř kaţdého obchodního systému postaveného na technické analýze je identifikace trendu14. Čím dříve bude daný obchodní systém schopen identifikovat nástup nového trendu, tím větší šanci na dobrý vstup do obchodu svému majiteli poskytne. V současné době existuje obrovské mnoţství indikátorů, které jsou traderům schopny identifikovat hlavní směr vývoje kurzu. Nejjednodušší a zároveň asi nejoblíbenější metodou na identifikaci trendů jsou však stále zřejmě klouzavé průměry a metody na nich zaloţené. Specielně pak v případě, pokud vyuţijeme dvou klouzavých průměrů – jeden rychlejší a jeden pomalejší. Překříţení obou klouzavých průměrů je v takovém případě nejrychlejší cesta k rozpoznání nového trendu. 3) Vybrat vhodné indikátory pro potvrzení trendu – Kurzy se mnohem častěji pohybují „chaoticky“ neţ v trendech. Někdy můţe kurz překročit linii klouzavého průměru i několikrát za den a přesto se nemusí ani v jednom případě jednat o důleţitou změnu trendu. V takovém případě, kdy se trh nepohybuje výrazně vzhůru ani dolů, ale pohybuje se tzv. bokem, dochází zpravidla k tomu, ţe indikátory k identifikaci trendu buďto neposkytují ţádné signály, nebo naopak poskytují velké mnoţství nepřesných rušivých signálů. Např. pokud je klouzavý průměr téměř vodorovný a kurz se pohybuje v jeho těsné blízkosti, a co chvíli ho protne zdola či shora. K rozpoznání, kdy jde o skutečný signál k nákupu/prodeji a kdy o falešný signál, je uţitečné vyuţít dalších indikátorů jako filtru, pro potvrzení či vyvrácení trendu. Opět výčet všech indikátorů, které mohou tuto funkci zastat, by byl příliš obsáhlý, a proto uvedu jen několik z nich. Zřejmě nejpouţívanějšími indikátory v tomto ohledu mohou být indikátory MACD, Stochastic, RSI nebo třeba Momentum. Také platí, ţe čím niţší časový horizont obchodník pouţívá, tím větší mnoţství falešných signálů obdrţí, proto position trader či

14

Existují i automatizované obchodní systémy, které s trendy vůbec nepracují a k určení vhodné vstupní

pozice vyuţívají např. algoritmy, které podle vstupních parametrů vyhledávají vhodné obchodní příleţitosti bez ohledu na to, existuje-li na daném trhu trend či nikoliv. Ve své práci se však budu drţet tradičních, manuálně ovládaných obchodních systémů a tradičních východisek technické analýzy, kde trendy hrají nezastupitelnou roli.

32

swing trader si mnohdy vystačí s jedním indikátorem pro funkci filtru, zatímco u day tradingu a scalpingu není výjimkou, ţe trader čeká na potvrzení (krátkodobého) trendu klidně i od tří a více různých indikátorů zároveň, neboť míra ruchu na minutových grafech je nesrovnatelně vyšší, neţ na denních a týdenních grafech. 4) Definování přijatelného rizika – Profesionální obchodník vţdy jako první bere v úvahu to, kolik můţe potenciálně ztratit, neţ kolik můţe získat. Objem finančních prostředků, které je obchodník ochoten ztratit se přirozeně liší od kaţdé osoby a je významně determinován velikostí obchodního účtu. Definování přijatelné míry rizika však významně ovlivňuje celý obchodní systém, neboť kaţdý obchodní styl vyţaduje odlišný prostor, mezi bodem vstupu do obchodní pozice a okamţikem uzavření ztrátové pozice. V tomto rozpětí se kurz nechává tzv. nadechnout a je to fáze, ve které ještě není moţné přesně určit, zda se trh vydá původně odhadovaným směrem či nikoliv. Proto pokud by byl obchodník ochoten, vzhledem ke svému profilu a velikosti obchodního účtu, přijmout ztrátu na úrovni maximálně 50 bodů, pak by v takovém případě neměl svůj obchodní systém orientovat na position trading neboť optimální úroveň stop-lossu při position tradingu se pohybuje mezi 100 aţ 500 body15. V takovém případě by obchodník velmi často dosahoval záporných výsledků, jelikoţ by kurzu nedal dostatečný prostor k pohybu a to i v situaci, kdy by se mu podařilo správně určit budoucí změnu trendu, protoţe neţ by k takové změně došlo, mohl by kurz nejprve velmi snadno dosáhnout úrovně obchodníkova stop-lossu a aţ poté začít obracet. 5) Definování podmínek vstupu a výstupu – Moţností kdy vstoupit do pozice je opět značné mnoţství a záleţí vţdy na subjektivních preferencích a obchodním stylu kaţdého tradera. Agresivnější obchodníci vstupují do pozice v okamţiku, kdy se jejich indikátory setkají na poţadovaných hodnotách, překonají určitou mez nebo např. pokud kurz překročí hranici supportu či resistence. Obezřetnější obchodníci vyčkávají minimálně do okamţiku uzavření poslední svíčky resp. sloupečku a obezřetní obchodníci mohou kurz ještě nějakou dobu pouze sledovat a počkat např. do okamţiku, kdy kurz zpětně otestuje původní hranice supportu/resistence. Je to však čistě na obchodním profilu kaţdého tradera.

15

V závislosti na volatilitě finančního instrumentu.

33

Ohledně uzavření ziskové pozice je to jiţ o něco sloţitější a záleţí také jaká pravidla money managementu obchodník zvolí. Správně načasovaný odchod z trhu je však povaţován za stejné umění, jako identifikovat dobrou obchodní příleţitost. Výběr zisku příliš brzy, nejenţe ubírá obchodníkovi z potenciálního zisku, ale zároveň sniţuje reward/risk ratio a obchodník se tak připravuje o záchranný finanční polštář v okamţiku, kdy utrpí ztrátu, čímţ si zhoršuje svůj dlouhodobý potenciál. Přílišným otálením s odchodem ze ziskové pozice zase riskuje, ţe se vývoj kurzu otočí v jeho neprospěch a ţe o většinu dosaţených zisků přijde. Jednou z moţností, jak se proti podobným situacím zajistit, je posouvání hranice stop-loss společně s tím, jak se kurz pohybuje nebo vyuţít tzv. trailing-stop16. Další moţností je předem plánovat své ziskové cíle, např. pokud jsme ochotni akceptovat 30 bodů ztráty a poţadované reward/risk ratio je 2:1, pak je naším cílem dosáhnout minimálně 60 bodů zisku. Problém v tomto případě je však ten, ţe trh se nechová podle našich představ a proto je pro nutné takové mít pro takové cíle opodstatněné důvody. K výpočtu potenciální uzavírací úrovně mohou poslouţit i některé indikátory technické analýzy, např. indikátor ATR nebo je moţné nastavit uzavření obchodní pozice v situaci, kdy vybraný indikátor dosáhne či překročí nějakou předem definovanou úroveň. 6) Definování obchodních pravidel a jejich dodržování – Jedná se o přesné vymezení metodiky obchodování, krok za krokem. Cílem je snaha předvídat, co moţná nejvíce obchodních situací a vytvořit pro ně metodický postup na jejich zvládnutí. Disciplína při dodrţování obchodních pravidel je mnohdy rozhodujícím faktorem, který z obchodního systému činí systém ziskový nebo ztrátový. Čím méně je obchodní systém přesný v predikování budoucího vývoje, tím větší váhu v něm sehrává lidský faktor, viz kapitola 1.3, psychologie obchodníka a money management.

16

Příkaz, který automaticky posouvá úroveň stop-lossu v předem definované vzdálenosti od aktuálního

kurzu, avšak pouze jedním směrem. Pokud se tedy kurz vyvíjí očekávaným směrem, stop-loss ho automaticky následuje, v okamţiku kdy kurz nabere opačného směru, zůstává stop-loss na poslední hodnotě a tím chrání dříve dosaţené zisky.

34

2.2. Vybrané obchodní systémy V následujícím textu se budu zabývat vybranými technickými indikátory a jejich kombinací sestavím několik obchodních systémů, jejichţ praktická vyuţitelnost bude předmětem testování ve třetí části této diplomové práce. Níţe vybrané indikátory jsem zvolil z toho důvodu, jelikoţ bych je dnes ze svého pohledu zařadil mezi „základní“ technické indikátory. Základní z toho hlediska, ţe jsou v současnosti všechny tyto indikátory jiţ zpravidla integrovány do většiny obchodních softwarů a jsou tak snadno dostupné pro širokou veřejnost.

2.2.1. Moving Average Crossover Moving Average Crossover neboli obchodní systém postavený na dvou a více klouzavých průměrech (moving average), jejichţ překříţení generuje signály k nákupu a prodeji. Nejběţnější vizuální formou klouzavých průměrů je linie umístěná ve stejném grafu, ve kterém jsou historické uzavírací ceny za určitou časovou periodu. Klouzavý průměr ukazuje průměrnou hodnotu kurzu v šíři svého časového rámce. Klouzavý průměr s periodou 20 tak značí průměrnou hodnotu kurzu za posledních 20 dní atd. a spojením jednotlivých hodnot dostaneme linii klouzavého průměru. Klouzavých průměrů se vyuţívá především k identifikaci trendů, mimo jiné je díky nim moţné získat informace o relativním momentu na trhu (podle úhlu růstu/poklesu) a v trendových fázích slouţí téţ jako hladiny supportu a rezistence a jejich prolomení můţe naznačovat potenciální změnu trendu. Existují čtyři hlavní typy klouzavých průměrů: jednoduchý (SMA), exponenciální (EMA), váţený (LWMA) a vyhlazený (SMMA). V minulosti byl nejčastěji pouţívaným klouzavým průměrem SMA a to především díky své jednoduchosti. V dnešní době, vzhledem k vyuţívání počítačové techniky nehrají nároky na konstrukci technických indikátorů takovou roli a volba toho kterého klouzavého průměru závisí především na kaţdém obchodníkovi a jeho specifických potřebách.

35

2.2.1.1. SMA - Simple Moving Average Jde o nejjednodušší formu klouzavého průměru, který je počítán jako jednoduchý aritmetický průměr hodnot kurzu v daném časovém úseku. Počet vstupních hodnot se označuje jako „perioda“. Vzorec pro SMA je následovný:

[2.1] Kde, -

jsou hodnoty kurzu za danou periodu

n je délka periody. SMA má však jeden velký nedostatek a to ten, ţe se změnou ceny se mění hned dvakrát. Poprvé v okamţiku, kdy se v časovém rámci objeví nový údaj a podruhé ve chvíli, kdy je na konci časového rámce vypuštěna poslední hodnota. Jelikoţ SMA přiřazuje všem hodnotám stejnou váhu, můţe dojít v okamţiku vyřazení vysoké hodnoty celý SMA poklesne a v případě vypuštění nízké hodnoty vzroste. Tento proces však nemusí mít s probíhající realitou na trhu nic společného.

2.2.1.2. EMA – Exponential Moving Average Exponenciální klouzavé průměry jsou pro sledování trendů o něco lepším nástrojem neţ SMA. Tento typ klouzavého průměru přikládá vyšší váhu nejnovějším datům, coţ má za následek, ţe EMA reaguje na změny rychleji neţ SMA a zároveň u něj nedochází k takovým skokům, jako můţe docházet u SMA v závislosti na nejstarších historických údajích, jelikoţ nejstarší data se nevypouští skokově, ale v průběhu času dochází v rámci dané periody k jejich pozvolnému „rozpouštění“. Vzorec na výpočet EMA je následující: [2.2] Kde, je hodnota kurzu v čase t, EM

je hodnota exponenciálního průměru v čase t-1,

ep je exponenciální procento, které je moţné stanovit následovně [2.3] Kde, n je délka periody 36

2.2.1.3. SMMA – Smoothed Moving Average Smoothed moving average neboli vyhlazený klouzavý průměr stojí na pomezí mezi jednoduchým, exponenciálním a váţeným klouzavým průměrem. SMMA přiřazuje, podobně jako SMA, všem datům stejnou váhu, avšak činí to tak, ţe váhu, kterou přidělí nejnovější zavírací ceně, zároveň odečte od váhy předchozí hodnoty kurzu. Díky této metodě výpočtu je s příchodem nové uzavírací ceny modifikován vţdy celkový klouzavý průměr a stará data nikdy z výpočtu zcela neuniknou, jen je jim přiřazena minimální váha. Jak trend pokračuje, bude se SMMA stále více opoţďovat za ostatními typy klouzavých průměrů neboť nepracuje s pevnou periodou, ale všechna minulá data zůstávají součástí nových výpočtů. [S. N. Levine, 1988] Vzorec pro výpočet je následující:

[2.4] Kde, SU

je součet všech zavíracích cen za periodu N

SMM

je vyhlazený klouzavý průměr prvního sloupečku (svíčky)

SMM

je vyhlazený kl. průměr aktuálního sloupečku (svíčky), vyjma prvního

CLOS

je aktuální uzavírací cena

n je délka periody

2.2.1.4. LWMA – Linear Weighted Moving Average Lineárně váţený klouzavý průměr má podobné vlastnosti jako exponenciální klouzavý průměr. WMA přikládá jednotlivým hodnotám různou váhu s tím, ţe nejvyšší váhu přikládá aktuálním hodnotám na úkor těch starších. Vyuţití váţeného a jednoduchého klouzavého průměru se zřejmě téměř neprojeví v krátkém časovém úseku (periodě), ale můţe znamenat velký rozdíl v delších obdobích s dlouhými periodami. Vzorec pro jeho výpočet je:

[2.5] Kde, je uzavírací kurz v čase a n je délka periody.

37

Obrázek č.3: Moving Average Crossover

Zdroj: Vlastní práce v programu Metatrader 4

2.2.1.5. Pravidla obchodování pro systém - Moving Average Crossover Jedná se o velmi jednoduchý obchodní systém zaloţený pouze na dvou17 klouzavých průměrech, kde linie klouzavého průměru s kratší periodou působí jako lokátor obchodních signálů a klouzavý průměr s delší periodou jako zpřesňující ukazatel resp. filtr. Jak je patrné z obrázku č.3, jsou obchodní signály generovány překříţením obou klouzavých průměrů – na obrázku to jsou SMA s periodou 20 (červená) a SMA 40 (modrá). V okamţiku, kdy poslední svíčka (sloupeček) uzavře nad liniemi obou průměrů a zároveň dojde k tomu, ţe MA s kratší periodou (červený) protne MA s delší periodou (modrý) zdola nahoru – vyznačeno zelenou vertikálou – nastává vhodný okamţik pro vstup do dlouhé (nákupní) pozice. Uzavření svíčky (sloupečku) pod oběma liniemi a protnutí modré linie červenou shora dolu pak generuje optimální vstupní podmínky pro krátké (prodejní) pozice – vyznačeno červenou vertikálou. Z obrázku je téţ patrné, ţe vyuţití druhého (delšího) klouzavého průměru znamená, ţe vstoupíme-li do pozice aţ základě překříţení obou průměrů připravujeme se zhruba o 1/4 potenciálních zisků z kaţdého obchodu neboť do pozice nevstupujeme ihned v okamţiku, kdy poslední svíčka uzavře nad či pod linií klouzavého průměru – coţ se dá téţ chápat jako nákupní/prodejní signál. Je to v podstatě daň za eliminování většího

17

Je moţné vyuţít i vícero klouzavých průměrů, avšak pro svou práci budu vyuţívat pouze dvou.

38

mnoţství falešných signálů. Nalezení optimálního poměru mezi přesností a velikostí potenciálního zisku, resp. nejlepších parametrů pro oba klouzavé průměry bude předmětem třetí části diplomové práce, kde se zároveň pokusím porovnat výkonnost tohoto systému při pouţití všech čtyř typů klouzavých průměrů - SMA, EMA, SMMA a LWMA.

2.2.2. Average Directional Index (ADX) Předtím, neţ budu popisovat další obchodní systémy, by bylo vhodné představit indikátor

ADX,

který

budu

v následujících

obchodních

systémech

vyuţívat

k odfiltrování falešných signálů a zpřesnění jednotlivých obchodních systémů. Indikátor ADX vyvinul známý technický analytik J. Welles Wilder Jr.18 a podle jeho vlastního vyjádření je indikátor ADX největší vymoţeností, které se mu podařilo dosáhnout19. Hlavním úkolem tohoto indikátoru je posouzení síly aktuálního trendu, nehledě na jeho směr. Je velmi důleţité vědět, kdy se kurz pohybuje v trendu a kdy se pohybuje tzv. bokem, protoţe řada technických indikátorů dosahuje mnohem lepších výsledků pouze v trendových fázích. Indikátor ADX patří do skupiny oscilátorů a jeho hodnota se pohybuje v rozmezí 0 aţ 100. Avšak dosaţení hodnot vyšších neţ 60 není příliš časté. ADX nehodnotí, je-li trend klesající nebo rostoucí pouze informuje o jejich síle. Pohybuje-li se linie ADX pod 25 indikuje to nízkou sílu trendového pohybu, zatímco hodnoty nad 25 značí silný trend. ADX můţe být také vyuţíván k identifikaci potenciálních změn na trhu z trendového trhu na netrendový. Rostoucí hodnoty ADX, které zdola překonají hranici 25, signalizují končící období netrendové fáze a počátek nového nastupujícího trendu. Pokles shora pod 25 zase znamená, ţe aktuální trend ztrácí na síle. Jak se nejčastěji posuzuje síla trendu podle indikátoru ADX znázorňuje tabulka č.3:

18

J. Welles Wilder Jr. je autorem i dalších dvou indikátorů, které ve své práci budu zmiňovat – RSI a

Parabolic SAR. 19

http://forex-indicators.net/adx

39

Tabulka č.3: Síla trendu podle hodnoty ADX20 Hodnota ADX 0 - 25 25 - 50 50 - 75 75 - 100

Síla trendu Absence trendu nebo velmi slabý trend Silný trend Velmi silný trend Extrémně silný trend

Zdroj: http://www.investopedia.com/articles/trading/07/adx-trend-indicator.asp

Samotná linie indikátoru ADX je odvozena od dvou dalších indikátorů, které se zpravidla zakreslují do stejného okna. J. W. Wilder je nazval jako Positive Directional Indicator (zapisovaného jako +DI) a Neagative Directional Indicator (-DI). +DI měří sílu rostoucích pohybů a –DI měří sílu klesajících pohybů za zvolenou periodu. Přednastavená hodnota periody je 14, ale kaţdý obchodník si ji můţe libovolně upravit podle vlastních preferencí. Linie ADX je pak tvořena kombinací hodnot +DI a –DI vyhlazených klouzavým průměrem k poskytování informací o síle trendu. Zároveň protnutí obou linií (+DI a –DI) můţe samo o sobě poskytovat jednoduché nákupní a prodejní signály. Nicméně obchodování podle těchto dvou indikátorů musí být prováděno velmi obezřetně, neboť není-li linie ADX v trendové zóně, poskytují obrovské mnoţství falešných signálů. Vzorec pro výpočet ADX je následující21:

[2.6] Kde, n je vyhlazovací perioda

[2.7] Kde,

20

Při obchodování v krátkém časovém horizontu se také můţe pouţívat hodnot méně 20 pro netrendové

pohyby, více 20 pro trendové pohyby a úrovně více 40 pro silný trend. Pokles pod 40 pak indikuje ztrátu síly aktuálního trendu. 21

http://forex-indicators.net/adx

40

Obrázek č.4: Average Directional Index (ADX)

Zdroj: Vlastní práce v programu Metatrader 4

2.2.3. MACD Crossover & ADX Jedním z obchodních systémů, které budu v závěrečné části práce testovat, bude obchodní systém sloţený z indikátoru Moving Average Convergence/Divergence (MACD) a indikátoru ADX. Indikátoru ADX byl věnován prostor v předchozím textu a proto se nyní zaměřím jen na indikátor MACD. Autorem tohoto indikátoru je Gerald Appel a říká se o něm, ţe je to jeden z nejpopulárnějších a nejspolehlivějších technických indikátorů, které jsou vůbec k dispozici22. Tradery po celém světě je ceněn především pro svou jednoduchost a flexibilitu, protoţe můţe být vyuţíván jako trendový indikátor, stejně jako indikátor indikující momentum23 trhu. Pozadí tohoto indikátoru je poměrně jednoduché. MACD se ve své podstatě skládá ze tří exponenciálních průměrů. Standardní nastavení, které stanovil Gerald Apple, je 12, 26, 9. To znamená, ţe jakákoliv hodnota pro MACD se počítá jako rozdíl mezi 26 denním a 12 denním exponenciálním průměrem. 9 denní exponenciální průměr se přidává do stejného okna společně s předchozími dvěma a zastává funkci „spouště“ pro nákupní/prodejní příkazy. Nákupní signál je generován v okamţiku, kdy se MACD 22

http://stockcharts.com/school/doku.php?id=chart_school:technical_indicators:moving_average_conve

23

Síla pohybu.

41

vyhoupne nad svůj devítidenní exponenciální průměr a prodejní signály přicházejí tehdy, kdyţ klesne pod linii devítidenního EMA. MACD se také velmi často pro větší přehlednost zobrazuje ve formě histogramu, který tvoří elegantní vyjádření rozdílu mezi MACD a jeho devítidenním exponenciálním průměrem. MACD histogram je pozitivní pokud se MACD nachází nad svým 9 denním EMA a negativní pokud se nachází pod svým 9 denním EMA. Pokud ceny rostou, histogram roste více a více s tím, jak růst kurzu akceleruje a sniţuje se společně s tím, jak cenový pohyb ztrácí na síle. Stejný princip funguje samozřejmě opačně i pro cenové poklesy. Schopnost MACD histogramu reagovat na rychlost cenového pohybu je zřejmě jedním z hlavních důvodů, proč se na něj tolik technických analytiků spoléhá. Obrázek č.5: MACD Crossover & ADX

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v programu Adobe Photoshop.

Na obrázku č.5 je znázorněn postup, na základě kterého budou prováděny nákupní a prodejní příkazy pro obchodní systém MACD Crossover & ADX, jehoţ testování bude předmětem 3. kapitoly. V levé části grafu je vidět, ţe se indikátor ADX (modrá linie) nacházel pod úrovní 25, coţ indikuje absenci trendu či slabou sílu trendu. V takovém případě nedochází na základě indikátoru MACD k realizaci ţádného obchodu. Na grafu je téţ čerchovanou čarou vyznačen konec netrendového kanálu, ve kterém se kurz po několik týdnů pohyboval. První zelená vertikála zleva znázorňuje první moţnost vstupu 42

do dlouhé pozice (nákup). Kaţdý nový sloupeček MACD histogramu je vyšší neţ předchozí a MACD se dostal nad linii svého exponenciálního průměru (červená linka) a linie ADX je nad úrovní 2524. Druhá zelená vertikála pak ukazuje okamţik průlomu kanálu bočního pohybu a růst MACD histogramu nad linii svého exponenciálního průměru indikuje druhý nákupní signál, podporovaný indikátorem ADX, který byl nad úrovní 25 a směřoval vzhůru. Červená vertikála pak znázorňuje nejvhodnější okamţik, kdy obě obchodní pozice ukončit a vstoupit do krátké (prodejní) pozice. Ta je determinována klesajícím MACD histogramem, který se dostal pod linii svého exponenciálního průměru.

Velmi silným signálem v technické analýze je i divergence mezi vývojem kurzu a indikátoru MACD, to však jiţ nebude předmětem zkoumání mé diplomové práce.

2.2.4. Stochastic Crossover & ADX Dalším obchodním systémem, který ve své práci podrobím zkoumání, bude obchodní systém sloţený z indikátoru Stochastic Oscillator a indikátoru ADX. Indikátor ADX byl podrobně rozebrán jiţ v předchozím textu a proto se v následujícím textu zaměřím pouze na indikátor Stochastic Oscillator. Jeho autorem je George C. Lane a jak uţ sám název napovídá, patří tento indikátor do skupiny oscilátorů. Hodnoty stochastiku se pohybují v rozmezí 0 aţ 100 a hlavní myšlenka, která stojí za vznikem tohoto indikátoru je, ţe uzavírací ceny by měly ve většině případů uzavírat ve směru převládajícího trendu. V rostoucím trendu by ceny měly uzavírat blízko svých předchozích vrcholů a klesající ceny by měly uzavírat blízko svých předchozích minim. V případě, ţe k tomu dojde, signalizuje to potvrzení aktuálního trendu a ukazuje to, jakou sílu daný trend má. Stochastik se skládá ze dvou linií: %K (rychlejší linie) a %D (pomalejší linie). Linie %K, která měří momentum trhu, zatímco linie %D je pouze jednoduchým klouzavým průměrem z %K. Linie %D se obecně povaţuje za tu důleţitější, jelikoţ poskytuje kvalitnější signály25. U stochastiku se také uvaţují tzv. hranice překoupenosti a přeprodanosti, které se nacházejí zhruba v úrovni 20 a 80. O překoupenosti mluvíme 24

Cena mimo jiné dosáhla dna tunelu, ve kterém se po nějaký čas pohybovala, coţ samo o sobě značí

příleţitost ke krátkodobému obchodu. 25

http://www.investopedia.com/university/indicator_oscillator/ind_osc8.asp

43

tehdy, kdyţ stochastik protne zdola nahoru hranici 80 a analogicky, v případě poklesu stochastiku pod úroveň 20 mluvíme o přeprodanosti trhu. Celkem existují tři varianty stochastického oscilátoru – fast, slow, full (rychlá, pomalá a komplexní). Účelem kaţdé verze stochastického oscilátoru je vyhlazení oscilátoru a odstranění některých proměnných. Fast Stochastic: [2.8]

[2.9] Kde, n = perioda n2 = perioda pro SMA = uzavírací cena = nejvyšší vrchol za periodu n = nejniţší dno za periodu n Slow Stochastic: [2.10] [2.11] Kde, n = perioda pro SMA Full Stochastic: [2.12] [2.13] Kde, n = perioda pro SMA Zatímco stochastik fast a slow mají pouze dva vstupní parametry, full stochastik má parametry tři, kde první a poslední parametr je identický pro parametry fast a slow. První parametr se pouţívá ke kalkulaci linie %K, zatímco poslední parametr 44

reprezentuje periodu determinující linii %D. Rozdíl mezi stochastikem full a zbylými dvěma tak spočívá ve druhém parametru, který se pouţívá k přidání vyhlazovacího faktoru pro linii %K. Aplikace tohoto vyhlazovacího faktoru zvyšuje celkovou flexibilitu indikátoru. Pro obchodní systém Stochastic Crossover

& ADX budu

vyuţívat stochastiku typu full. Obrázek č.6: Stochastic Crossover & ADX

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v programu Adobe Photoshop.

Existují tři moţnosti jak obchodovat pomocí indikátoru Stochastic Oscillator. První moţností je umisťovat prodejní nákupní příkazy čistě podle překříţení linií %K a %D26. Druhou moţností je obchodování na základě úrovní překoupenosti a přeprodanosti. Dosaţení této úrovně však ještě automaticky neznamená, ţe hodnota kurzu ani hodnota stochastiku nemůţe růst/klesat i nadále. Proto signály k nákupu jsou generovány v okamţiku, kdy stochastik opustí zónu přeprodanosti a zamíří vzhůru a analogicky signály k prodeji indikuje pokles stochastiku pod úroveň překoupenosti a směřování dolů. Třetí moţností je obchodování divergencí mezi vývojem stochastiku a kurzu.

26

Analogicky podle postupu pro metodu dvou klouzavých průměrů.

45

V případě obchodního systému Stochastic Crossover & ADX však budou obchodní signály generovány překříţením linií %K a %D a to pouze v oblastech překoupenosti nebo přeprodanosti27 a zároveň budou tyto obchodní signály filtrovány indikátorem ADX. Vše názorně zachycuje obrázek č.6, kde červená vertikála znázorňuje místa vstupu do prodejních pozic, zelená vertikála označuje nákupní příkaz. Obchodní signály generované stochastikem nejsou brány v úvahu, pokud linie ADX není nad úrovní 25.

2.2.5. RSI Breakout & ADX Dalším obchodním systémem, který ve své práci podrobím zkoumání, bude obchodní systém sloţený z indikátoru Relative Strenght Index28 (RSI) a indikátoru ADX. Indikátor ADX byl podrobně rozebrán jiţ v předchozím textu a proto se v následujícím textu zaměřím pouze na indikátor RSI. Tento indikátor jako první představil v červnu roku 1978 J. Welles Wilder v článku pro magazín Comodities a detailnější popis pak přinesl ve své knize New Concepts in Technical Trading Systems, která byla vydána ve stejném roce a ve které bylo zveřejněno mnoho z Wilderových indikátorů, včetně indikátorů Average True Range (ATR), Parabolic SAR a ADX, které se v mé diplomové práci také objevují. Přestoţe se tento indikátor nazývá index relativní síly, neměří relativní sílu trhu v tradičním smyslu. Indikátory měřící „komparativní relativní sílu“ zobrazují vţdy výkon jednoho instrumentu vůči druhému (např. akcie A proti akcii B) v nějakém poměru. RSI na druhé straně pouţívá historická data pouze jediného finančního instrumentu k tomu, aby porovnal zisky a ztráty daného instrumentu za vybraný časový úsek. RSI je vlastně oscilátor, který měří rychlost a sílu změny v cenových pohybech. Hodnoty RSI oscilují mezi 0 a 100. Podobně jako u stochastiku uvaţujeme i u RSI úrovně překoupenosti a přeprodanosti, které jsou u RSI stanoveny v úrovni 30 pro zónu přeprodanosti a 70 pro zónu překoupenosti. RSI je nejen oblíbeným momentum indikátorem, ale vyuţívá se i jako indikátor trendu. Standardní perioda pro RSI je 14, ale můţe být upravena oběma směry. Sniţováním periody dosáhneme vyšší citlivosti, zatímco jejím zvyšováním vyšší přesnosti obchodních signálů. Vzorec pro výpočet indikátoru RSI je následující: 27

Zkříţení obou linií mimo tyto oblasti nebude bráno v potaz.

28

Index relativní síly

46

[2.14] [2.15] RSI je mezi technickými analytiky velmi oblíbený indikátor a způsobů jak obchodovat podle indikátoru RSI je hned několik. Od doby jeho vzniku na způsoby jeho vyuţití publikovala mnoho dalších autorů celou řadu článků a knih. Např. Constance Brown v knize Technical Analysis for the Trading Professional rozvíjí koncepty býčího a medvědího trhu pro RSI. Andrew Cardwell zase představil pozitivní a negativní reverzní vzorce pro RSI a v podstatě přinesl do RSI způsob obchodování divergencí29. Způsob podle kterého bude obchodní signály generovat obchodní systém RSI Breakout & ADX, který budu testovat ve třetí části této diplomové práce znázorňuje obrázek č.7. Obrázek č.7: RSI Breakout & ADX

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v programu Adobe Photoshop.

29

http://stockcharts.com/school/doku.php?id=chart_school:technical_indicators:relative_strength_index_rsi

47

Opět kaţdý obchodní signál je platný pouze v případě, je-li linie ADX (modrá) nad hranicí 25. V takovém případě jsou nákupní signály generovány tehdy, kdyţ RSI opouští zónu přeprodanosti a směřuje vzhůru – na obrázku č.7 vyznačeno zelenou vertikálou. Prodejní signály jsou indikovány v okamţiku, kdy RSI opustí zónu překoupenosti a směřuje dolů – na obrázku č. 7 vyznačeno červenou vertikálou.

2.2.6. Parabolic SAR Breakout & ADX Posledním obchodním systémem, kterému se budu ve své diplomové práci věnovat, bude obchodní systém sloţený z indikátorů Parabolic SAR30 (PSAR) a ADX. Indikátor ADX byl jiţ probírán v předchozím textu a proto se v následujícím textu zaměřím pouze na indikátor Parabolic SAR. Jedná se o trendový indikátor, který je zároveň schopen indikovat body, ve kterých je moţné očekávat obrat ve vývoji kurzu. Jak jiţ bylo zmíněno jeho autorem je slavný technický analytik J. Welles Wilder a v grafech se zobrazuje jako série bodů umístěných nad nebo pod aktuálním kurzem. Jsou-li body indikátoru PSAR umístěny pod kurzem, indikují růst kurzu, naopak PSAR nad úrovní aktuálního kurzu předznamenává pokles kurzu. Jednotlivé body indikátoru PSAR jsou také velmi často vyuţívány jako ideálního nástroje pro umisťování stop loss příkazů a výstupních bodů z obchodní pozice. Parabolic SAR byl vyvinut tak, aby drţel hladinu stop loss stále přimknutou blízko aktuální cenové úrovně a postupným přitahováním a přibliţováním se uzamykal a chránil jiţ dosaţené zisky. Vzorec na výpočet Parabolic SAR obsahuje „akcelerační faktor“, který umoţňuje indikátoru reagovat na změny kurzu se stejnou rychlostí, s jakou trend akceleruje svůj vlastní pohyb. Na počátku jsou body PSAR velmi blízko sebe, ale jak kurz začne akcelerovat, mezery se začnou zvětšovat. Parabolic SAR obsahuje dvě proměnné označované jako „step“ a „max step“. Nastavení doporučené autorem indikátoru J.W. Wilderem jsou 0,02 pro step a 0,2 pro max step. Parametr step udává citlivost indikátoru PSAR. Čím vyšší je hodnota tohoto parametru, tím citlivější se indikátor PSAR stává a tím častěji „přeskakuje“ z jedné strany kurzu na druhou. Niţší hodnoty naopak činí indikátor daleko hladší. Parametr max step stanovuje vzdálenost mezi aktuální cenou a indikátorem PSAR. Vyšší hodnoty znamenají těsnější

30

Stop and Reversal System

48

přimknutí indikátoru k aktuální ceně a opačně. Postup výpočtu indikátoru Parabolic SAR, je poněkud sloţitější a jeho uvedení by bylo aţ příliš zdlouhavé, nicméně zájemci mohou postup výpočtu nalézt na internetových stránkách, jejichţ odkaz je umístěn v poznámce pod tímto textem31. Obrázek č.8: Parabolic SAR Breakout & ADX

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v programu Adobe Photoshop.

Na obrázku č.8 je znázorněn postup, podle kterého budou v obchodním systému Parabolic SAR Breakout & ADX prováděny nákupní a prodejní transakce. Sám Wilder nedoporučuje pouţívat indikátor PSAR samostatně z toho důvodu, ţe ve fázích konsolidace přináší velké mnoţství falešných signálů a proto je vhodné ho vţdy kombinovat s nějakým dalším indikátorem, který je schopen rozlišovat silné trţní pohyby od těch slabších. [J.W. Wilder, 1978] Wilder za tímto účelem zkonstruoval indikátor ADX a stejný indikátor bude pouţit i pro účely této diplomové práce. Nákupní příkazy jsou na obrázku vyznačeny opět zelenou vertikálou a dochází k nim v okamţiku přechodu indikátoru PSAR z negativní do pozitivní fáze, kdyţ se současně linie indikátoru ADX nachází nad hranicí 25. Analogicky opačný postup platí pro prodejní příkazy, které jsou vyznačeny červenou vertikálou.

31

http://forex-indicators.net/parabolic-sar

49

2.3. Výběr dat pro testování Ještě před tím, neţ přistoupím k samotnému testování výše uvedených obchodních systémů, bylo by vhodné zmínit, na jaká historická data budu tyto systémy aplikovat. Místo toho, abych zde popisoval ideální postup, kterého není z mé pozice moţné dosáhnout, zaměřím se především na vysvětlení důleţitých aspektů a také některých kompromisů, které bylo nutné učinit pro získání nejvyšší moţné vypovídací hodnoty výsledků testování. Celý proces testování je totiţ odvislý především od dvou důleţitých aspektů a těmi jsou dostupnost kvalitního testovacího softwaru a přístup ke kvalitním historickým datům. Ve své vlastní obchodní praxi vyuţívám obchodního softwaru Metatrader 4, který má v sobě zabudovanou funkci kvalitního testovacího centra. Tento software je však na druhou stranu také velmi citlivý na kvalitu historických dat, protoţe pro dosaţení nejvyšší kvality testování vyuţívá dat z jednominutových grafů. Při ukládání jednominutových údajů o cenách však postupem času dochází k různým druhům nepřesností a data, která jsou uloţena přímo v obchodní platformě, nejsou pro testování vhodná, neboť při jejich testování dochází často k chybným výpočtům. Tyto nepřesnosti je nutné nejdříve před samotným testováním odstranit. Tím se dostávám k prvnímu kompromisu, který jsem musel učinit, abych dosáhl vysoké kvality testování. Jediná upravená historická data vhodná pro testování v programu Metatrader 4, která jsou zároveň volně dostupná ke staţení, jsou data od brokerské společnosti Alpari (UK), LTD32 a jsou to data pouze pro údaje o cenách měnových futures pro sedm měnových párů. Jelikoţ nákup licence k jinému obchodnímu softwaru nebo pořízení kvalitních obchodních dat od jiných finančních institucí by vyţadovalo výdej nemalých finančních prostředků33, rozhodl jsem se pro testování výše uvedených obchodních systémů na na kvalitních historických datech pro nejobchodovanější měnový pár na světě – EUR/USD od společnosti Alapari (UK), LTD.

32

http://www.alpari.co.uk/en/dc/databank.html

33

Řada těchto specializovaných firem zároveň neposkytuje tato data indiciálním zákazníkům, ale pouze

institucionálním klientům neboť s historickými daty je většinou obchodováno ve formě balíčků, např. ucelená data pro forex, komodity, indexy, akcie atd.

50

Jelikoţ devizový trh má z hlediska technické analýzy určitá specifika rozhodl jsem se, ţe místo aplikace vybraných obchodních systémů na různé druhy měnových párů bude mít daleko větší vypovídací hodnotu aplikace těchto systémů na jediný měnový pár, avšak z hlediska různých obchodních přístupů – dlouhodobého (position trading) a střednědobého (swing trading) – a kaţdý obchodní přístup testovat zároveň pro tři nastavení money managementu. K tomuto kroku mě vede především skutečnost, ţe na devizovém trhu nebyla nikdy zcela potvrzena existence dlouhodobých trendů, proto si myslím, ţe testování z hlediska position tradingu a swing tradingu můţe přinést velmi zajímavé výsledky a pouţití rozdílných strategií pro money management daleko více vychází z pojetí této diplomové práce, ve které kromě aplikace technické analýzy kladu důraz i na schopnosti z oblasti tradingu. Historická data pro měnový pár EUR/USD umoţňují dosáhnout aţ 90% kvality testování, coţ je podle údajů z oficiálního manuálu v praxi nejvyšší moţná dosaţitelná hodnota kvality testování pro Metatrader 4 a jsem proto hluboce přesvědčen ţe, zvoleným postupem se mi povede získat údaje s velmi vysokou vypovídací hodnotou.

51

3. Testování úspěšnosti obchodního systému Kaţdý z výše uvedených obchodních systémů bude testován na datové řadě hodnot kurzu měnového páru EUR/USD34 od 1.1.2002 do 1.1.2009. Délka testovaných období bude stejná pro všechny obchodní systémy i jednotlivé obchodní strategie. Cílem testování vybraných obchodních systémů je nalezení odpovědi na otázku, zdali je moţné kombinací vybraných technických indikátorů sestavit profitabilní obchodní systém pouţitelný v praxi. Cílem mé práce však rozhodně není nalezení vhodné investiční příleţitosti či vhodného investičního instrumentu. Stejně jako se technická analýza nezabývá důvody pohybu kurzů, nebude ani mým cílem hledat zdůvodnění a popis jednotlivých událostí, které měly na vývoj kurzu v daném období vliv. Jelikoţ ve své práci také kladu důraz na praktické schopnosti z oblasti tradingu, budu jednotlivé obchodní systémy porovnávat z hlediska dvou odlišných obchodních přístupů - position trading a swing trading35. Pro position trading budu vyuţívat denních grafů a pro swing trading čtyřhodinové grafy. Ve své práci jsem se téţ zmínil o důleţitosti money managementu a proto budu jednotlivé obchodní přístupy dále testovat pro tři různá nastavení money managementu, podle kterých stanovým úrovně pro „profit take“ a „stop loss“ (TP/SL) vţdy v poměru: 1:1, 2:1 a 3:136. Bodové rozpětí mezi místem vstupu a místem včasného zastavení ztrát jsem u jednotlivých obchodních přístupů zvolil na základě vlastních obchodních zkušeností a odvodil od průměrné úrovně volatility měnového páru EUR/USD za sledované období37. Společnou úroveň pro stop loss při position trading jsem stanovil na 450 bb38 a pro swing trading na 150 bb.

34 35

Důvody volby tohoto instrumentu byly popsány na konci 2. kapitoly. Vzhledem k obrovskému mnoţství zpracovávaných dat nemohu, vzhledem k dostupnému

softwarovému a hardwarovému vybavení, testovat obchodní přístupy pro day trading a scalping. 36 37

Reward/Risk ratio. V reálném obchodování by bylo vhodné bodový odstup stop loss příkazu pravidelně upravovat

vzhledem k volatilitě instrumentu za vymezené období, při automatickém testování toho však nelze dosáhnout a je tedy nutné nastavit jedno rozpětí pro celé období. 38

bb = bazické body

52

Časové období, pro které mám k dispozici historická data o hodnotách kurzů, rozdělím na dvě části. První část bude zahrnovat delší období a to od začátku roku 2002 do konce roku 2006. Na tomto časovém úseku o délce pěti let budu testovat parametry vybraných obchodních systémů a jejich jednotlivých indikátorů, přičemţ hlavním výstupem z provedených testů budou optimální hodnoty parametrů pro dané indikátory, při kterých daný obchodní systém dosáhne největšího čistého zisku a to v kontextu zvoleného obchodního přístupu a reward/risk ratio. Při výběru optimálních parametrů budu brát částečně v úvahu další parametry, neţ je samotný zisk, neboť program Metatrader často jako nejziskovější nastavení zvolí, ne zcela přesvědčivé hodnoty. Například nejziskovější parametry mohou mít tvar. fastSMA39 > slowSMA40 u klouzavých průměrů, jindy se hodnoty parametru od sebe zase téměř neliší (např. fastSMA = 99, slowSMA = 100), coţ jsou samozřejmě v praxi nepouţitelné parametry. Abych takovým extrémním hodnotám předešel, budu vţdy volit jako vítězné parametry takové parametry, které nejsou mezi výsledky ojedinělé, ale jsou vţdy nejziskovějšími ze skupiny výsledků s podobnými hodnotami. První období je určeno pouze k určení optimálních parametrů a nikoli k samotnému hodnocení úspěšnosti praktické aplikace daného obchodního systému. Zjištěné optimální parametry pro jednotlivé obchodní systémy vyuţiji při aplikaci těchto obchodních systémů ve druhém období, tj. od 1.1.2007 do 1.1.2009. V tomto období budou jiţ optimální parametry pevně dané a bude tak moţné objektivně hodnotit praktickou vyuţitelnost testovaných obchodních systémů. Kaţdý test obchodního systému přinese celkem šest výsledků. Na tyto výsledky se dá nahlíţet jako na 6 imaginárních traderů s odlišnými obchodními strategiemi, jejichţ výkonnost se dá mezi sebou porovnávat či jako na 6 potenciálních obchodních přístupů, ze kterých si nerozhodnutý obchodník můţe vybrat sobě nejvhodnější variantu z hlediska poměru mezi ziskovostí a rizikovostí. Kaţdý imaginární obchodník bude mít na začátku k dispozici obchodní kapitál ve výši $100,000, se kterými bude v průběhu sledovaného období spekulovat na zhodnocení či znehodnocení EUR/USD. Se vstupem do obchodní pozice se neváţou ţádné dodatečné transakční náklady, brokerská 39

Jednoduchý klouzavý průměr s kratší periodou

40

Jednoduchý klouzavý průměr s delší periodou

53

společnost si bude účtovat pouze spread mezi nákupním a prodejním kurzem, který činí 1,6 bazického bodu. Obchodník můţe v jeden moment drţet pouze jednu obchodní pozici a před vstupem do nové musí uzavřít předchozí. Obchodník se nesnaţí nakupovat maximální mnoţství měny, ale pouze tolik, aby jeho celkové riziko z kaţdého obchodu činilo pouze 2%41. Hladina limitní ztráty neuvaţuje předchozí ani následujícími obchody a je pevně stanovena vţdy na začátku uvaţovaného období. Úspěšnost jednotlivých parametrů technických indikátorů bude dána hodnotou čistého zisku za celý obchodní systém na konci sledovaného období. Přestoţe rozhodujícím faktorem bude závěrečná hodnota čistého zisku, budu při hodnocení praktické vyuţitelnosti celého obchodního systému brát v potaz i faktory jako je rizikovost nebo časová stabilita. Jelikoţ program Metatrader poskytuje značné mnoţství výstupních dat ve specifickém formátu, budu v textu vyuţívat vlastních zestručněných tabulek s vybranými údaji. Originální výstupy z programu Metatrader uvedu v příloze na CD. Pro lepší srozumitelnost a orientaci uvedu příklad originálního výstupu a vysvětlím význam jednotlivých hodnot pro zestručněnou tabulku, kterou budu pouţívat v textu. Obrázek č. 9: Originální výstup z programu Metatrader 4

Zdroj: Vlastní práce v programu Metatrader 4

41

Snaţil jsem se, aby riziko bylo vţdy co nejblíţe 2%, je však nutné to brát jako přibliţnou hodnotu,

jelikoţ při testování není moţné zadat objem obchodu v lotech na více neţ jedno desetinné místo.

54

Tabulka č.4: Upravená tabulka s výsledky testování Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 2 248 1 100% 36/63 1,1% $ 4 485 1 100% 21/67 4,7% $ 6 731 1 100% 23/48 4,7% $ 33 586 23 4,71 83% 3/113 4,9% $ 19 885 30 1,52 43% 3/30a 9,8% $ 22 245 14 2,23 43% 24/67 16,6%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel

TP/SL – Poměr mezi poţadovaným ziskem (umístění příkazu také profit) a maximální ztrátou (umístění příkazu stop loss). Uvaţujeme vţdy poměry 1:1, 2:1 a 3:142. Čistý zisk – Rozdíl mezi hrubým ziskem (součet všech ziskových obchodů) a hrubou ztrátou (součet všech ztrátových obchodů). Faktor zisku – ukazuje poměr mezi hrubým ziskem a hrubou ztrátou Úspěšnost – ukazuje procentuální zastoupení ziskových obchodů ze všech provedených transakcí. Parametry – optimální parametry, které byly zjištěny optimalizací v programu Metatrader 4. Znak / zastává pouze roli oddělovacího znaku. MDD – Maximum drawdown neboli maximální pokles obchodního kapitálu. Vyjadřuje rozdíl mezi nejvyšší a nejniţší dosaţenou hodnotou obchodního kapitálu v průběhu testování vyjádřenou v procentech.

42

Při optimalizaci můţe samozřejmě vyjít jako nejziskovější i daleko vyšší poměr, nicméně při aplikaci a

stejně tak i praktickém obchodování, by takový systém zpravidla nebyl schopen podobných zisků dosáhnout.

55

3.1. Moving Average Crossover Prvním testovaným obchodním systémem je Moving Average Crossover neboli systém zaloţený na zkříţení dvou klouzavých průměrů. Protoţe existuje několik druhů klouzavých průměrů, otestuji všechny čtyři nejčastěji pouţívané typy, neboť si myslím, ţe by mohlo být zajímavé porovnat jejich praktickou vyuţitelnost i mezi sebou v rámci skupiny klouzavých průměrů. Škálu hodnot parametrů, pro které budu daný systém testovat, budu volit co nejširší, abych zjistil, jak bude obchodní systém reagovat i na extrémní hodnoty.

3.1.1. Optimalizace parametrů MA crossover Výsledky optimalizace parametrů pro jednotlivé typy klouzavých průměrů jsou přehledně uvedeny v následujících tabulkách: Tabulka č.5: SMA Crossover - optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 8 450 24 1,37 58% 18/36 9,7% $ 26 589 9 6,86 78% 38/122 3,9% $ 42 206 9 10,34 78% 53/112 3,5% $ 48 864 76 1,8 65% 26/171 8,2% $ 39 492 63 1,49 43% 82/142 18,0% $ 50 366 53 1,65 36% 42/147 11,8%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastSMA/slowSMA

Tabulka č.6: EMA Crossover - optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 5 762 12 1,59 58% 29/56 7,2% $ 22 237 8 5,92 75% 47/98 4,3% $ 19 783 7 3,86 57% 53/90 7,9% $ 24 173 61 1,43 59% 55/143 13,1% $ 34 553 101 1,25 39% 5/58a 16,8% $ 19 188 47 1,26 30% 98/152 17,0%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastEMA/slowEMA

56

Tabulka č.7: SMMA Crossover - optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 8 966 4 100% 36/63 1,1% $ 19 980 6 9,84 83% 21/67 4,2% $ 19 755 7 3,86 57% 23/48 8,8% $ 46 564 71 1,82 65% 3/113 8,2% $ 36 807 100 1,27 39% 3/30a 18,1% $ 66 384 38 2,4 45% 24/67 11,8%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastSMMA/slowSMMA

Tabulka č.8: LWMA Crossover - optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 11 062 9 3,44 78% 40/142 5,9% $ 24 426 10 4,6 70% 74/152 4,3% $ 32 944 10 5,81 60% 42/65 5,9% $ 46 636 73 1,79 64% 74/149 9,0% $ 34 869 62 1,43 42% 74/151 16,0% $ 43 559 52 1,56 35% 74/150 14,7%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastLWMA/slowLWMA

Předchozí tabulky přehledně zachycují výsledky testování parametrů jednoduchého, exponenciálního, vyhlazovaného a váţeného klouzavého průměru pro dva typy obchodních přístupů a tři typy investičních strategií. Výsledky optimalizace ukazují, ţe při obchodování pomocí klouzavých průměrů, by byl ziskovějším přístupem swing trading, který by vedl k výrazně vyššímu čistému zisku. Nutno však poznamenat, ţe za cenu výrazně niţší úspěšnosti, která se přehoupla přes 50% pouze v případě aplikace TP/SL v poměru 1:1. Za překvapení lze povaţovat výsledky jednoduchého a exponenciálního klouzavého průměru. Zatímco první citovaný překvapil aţ nečekaně pozitivně, neboť z pohledu position tradingu se ukázal být nejziskovějším typem klouzavého průměru, druhý citovaný aţ nečekaně ztrácel ve všech směrech na ostatní typy průměrů.

57

Výsledné optimální parametry vesměs naplnily má očekávání a zdají se být na přijatelné úrovni. Pouze dva z optimálních parametrů SMMA obsahující hodnotu parametru pro fastSMMA 3, se zdají být na první pohled aţ příliš nízké, nicméně při optické kontrole grafického záznamu jsem neshledal nic, co by působilo nestandardně, neboť chování SMMA na grafu se poněkud odlišuje od ostatních typů klouzavých průměrů a k překříţení obou linií dochází stále jen sporadicky a nikoliv, jak by nízká hodnota parametru napovídala, v nepatřičně velkém mnoţství. Nejziskovější variantou pro position trading by byla varianta zahrnující dva jednoduché klouzavé průměry a vůbec největšího čistého zisku $42 206 by position trader dosáhl v kombinaci SMA (53/112) a TP/SL v poměru 3:1. Největší poměr ziskových obchodů a tedy nejpřesnější metodou, by bylo pouţití vyhlazovaných klouzavých průměrů, které však poskytovaly, nejméně obchodních příleţitostí a tím i nejniţší zisky. Výsledky optimalizace však překvapivě ukazují minimální rozdíly mezi vyuţitím SMA a LWMA a dokonce se vyuţití SMA jeví o něco lepší variantou, neţ vyuţití LWMA. Nejziskovější variantou pro swing trading by byla kombinace dvou linií SMMA (24/76) a reward/risk ratio v poměru 3:1. V takovém případě, by obchodník obdrţel čistý zisk v hodnotě $66 384. Vyhlazované klouzavé průměry pak v případě vyšší frekvence obchodování přinášely nepatrně lepší průměrnou úspěšnost obchodního systému, neţ zbylé typy klouzavých průměrů, ale rozdíly byly minimální. Tyto výsledky však nelze prozatím povaţovat za relevantní, jelikoţ ještě nebyla provedena jejich praktická aplikace.

58

3.1.2. Aplikace optimálních parametrů Výsledky aplikace optimalizovaných parametrů jednotlivých klouzavých průměrů zjištěných v období 2002 aţ 2006 zobrazují následující tabulky: Tabulka č.9: SMA Crossover - aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 - 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 4 360 10 1,48 60% 18vs36 6,6% $ 4 484 1 100% 38vs122 4,7% $ 6 731 1 100% 53vs112 4,7% $ 22 371 24 2,42 71% 26vs171 4,9% $ 28 989 17 2,83 59% 82vs142 9,8% $ -298 16 0,99 25% 41vs147 16,6%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastSMA/slowSMA

Výsledky aplikace obchodního systému, při pouţití jednoduchého klouzavého průměru, jsou zobrazeny v tabulce č.9. Výsledky testování ukázaly, ţe aţ na jeden případ dosáhly všechny optimalizované hodnoty parametrů SMA zisku. Z hlediska dlouhodobého drţení obchodních pozic (position trading) bylo nejvýhodnější zvolit strategii TP/SL v nejvyšším poměru, tj. 3:1, která sice vedla k tomu, ţe v dvouletém období došlo pouze k jednomu jedinému obchodnímu případu, ten byl však ziskový a bylo dosaţeno plných 1350 bb, které v přepočtu znamenaly čistý zisk v hodnotě $6731. Při aplikaci strategie častějšího obchodování (swing trading) dosáhl obchodní systém zisku pouze ve dvou případech a to při pouţití TP/SL v poměru 1:1 a 2:1. Snaha o trojnásobně vyšší zisk se ukázala jako příliš ambiciózní a ve svém důsledku vedla ke ztrátě $-298. Zajímavostí také je, ţe ve druhém testovaném období došlo u všech ziskových obchodů k nárůstu procentuální míry úspěšnosti ziskových obchodů a tím i ke zvýšení celkové ziskovosti obchodního systému.

59

Tabulka č.10: EMA Crossover - aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 1 450 2 2,83 50% 29/56 2,5% $ 4 484 1 100% 47/98 4,8% $ 6 731 1 100% 53/90 4,8% $ 22 375 20 2,98 75% 55/143 4,9% $ 19 885 30 1,52 43% 5/58a 11,7% $ 8 665 16 1,35 31% 98/152 12,6%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastEMA/slowEMA

Výsledky aplikace obchodního systému, při pouţití exponenciálního klouzavého průměru, jsou zobrazeny v tabulce č.10. Na rozdíl od jednoduchého klouzavého průměru, dokázal exponenciální kl. průměr dosáhnout zisku ve všech testovaných případech. Pro potřeby position tradera se opět ukázal jako nejvýhodnější TP/SL v poměru 3:1. I přesto, ţe při optimalizaci dosahoval exponenciální průměr nejhorších výsledků ze všech zkoumaných průměrů, dosáhnul ve třech z šesti testovaných případů téměř identických výsledků jako jednoduchý klouzavý průměr, který v optimalizaci patřil mezi dva nejlepší typy klouzavých průměrů. V případě swing tradingu dosáhl obchodní systém nejvyššího zisku při pouţití strategie TP/SL v poměru 1:1. Podobně jako v předchozím případě, se i v případě exponenciálního klouzavého průměru podařilo dosáhnout o něco vyšší míry ziskových obchodů, nicméně za zmínku stojí pouze 15% nárůst v případě swing tradingu s poměrem TP/SL 1:1. Tabulka č.11: SMMA Crossover - aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 2 248 1 100% 36/63 1,1% $ 4 485 1 100% 21/67 4,7% $ 6 731 1 100% 23/48 4,7% $ 33 586 23 4,71 83% 3/113 4,9% $ 19 885 30 1,52 43% 3/30a 9,8% $ 22 245 14 2,23 43% 24/67 16,6%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastSMMA/slowSMMA

60

Výsledky aplikace obchodního systému, při pouţití vyhlazovaného klouzavého průměru, jsou zobrazeny v tabulce č.11. Výsledky testování ukázaly, ţe aplikace SMMA přinesla zisk ve všech testovaných případech a jednoznačně dosáhla nejvyšší procentuální míry úspěšnosti ziskových obchodů ze všech testovaných průměrů. Z hlediska dlouhodobého drţení obchodních pozic (position trading) nedošlo opět k ţádné změně a nejvyššího čistého zisku dosáhla strategie TP/SL v nejvyšším poměru, tj. 3:1. Při aplikaci strategie častějšího obchodování (swing trading) bylo dosaţeno vůbec nejvyššího čistého zisku ze všech testovaných průměrů a to $33 586 a kvalitních výsledků dosahoval obchodní systém i při strategiích TP/SL 2:1 i 3:1. Výrazných zlepšení oproti hodnotám z optimalizace se dočkaly i hodnoty úspěšnosti obchodního systému. Tabulka č.12: LWMA Crossover - aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 2 243 1 100% 40/142 1,4% $ 4 484 1 100% 74/152 4,7% $ 8 794 5 2,92 40% 42/65 6,7% $ 6 631 19 1,37 58% 74/149 7,5% $ 13 294 18 1,59 44% 74/151 11,6% $ -2 541 17 0,91 24% 74/150 18,4%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry jsou ve tvaru fastLWMA/slowLWMA

Výsledky aplikace obchodního systému, při pouţití váženého klouzavého průměru, jsou zobrazeny v tabulce č.12. Váţený klouzavý průměr dosáhl překvapivě nejhorších výsledků ze všech typů klouzavých průměrů. Z pohledu position tradingu sice jako jediný přinesl při strategii TP/SL 3:1 více neţ jeden obchod a dosáhl nejvyššího zisku v této oblasti ze všech testovaných průměrů, nicméně pouze dva z celkových pěti obchodů byly ziskové. Pouţití váţeného klouzavého průměru pro swing trading přineslo zisky pouze ve dvou případech. Nejvyššího zisku $13 294 bylo dosaţeno při strategii TP/SL 2:1.

61

3.1.3. Shrnutí aplikace MA Crossover Obchodní systém zaloţený na zkříţení dvou klouzavých průměrů se ukázal jako ţivotaschopný, neboť při vhodné volbě money managementu byl schopný dosahovat zisku, jak při position tradignu, tak při swing tradingu. Ukázalo se, ţe nejziskovější strategií pro position trading je aplikace nejširšího rozpětí mezi TP/SL, tj 3:1. Takové obchodování nepřináší sice mnoho obchodních příleţitostí, zato se zdá být relativně bezpečné a je při něm prostor pro vysoké zisky. Nejziskovějším nastavením money managementu pro swing trading naopak vychází poměr mezi ziskem a ztrátou na úrovni 1:1. Při srovnání výkonu obchodního systému MA Crossover pro různé druhy klouzavých průměrů, dosahoval obchodní systém nejvyšších zisků při aplikaci SMMA neboli vyhlazovaného klouzavého průměru. Obchodní systém zaloţený na zkříţení dvou linií SMMA dosahoval nejen nejvyšších zisků, ale i úspěšnosti (83%43), která vedla k minimálním poklesům obchodního kapitálu v průběhu testovaného období - jen cca 5%. Pozitivně vyhlíţejí i statistiky navazujících zisků a ztrát, kdyţ tento obchodní systém dokázal vygenerovat aţ 15 ziskových obchodů v řadě a maximální dosaţená ztrátová série činila pouze 2 obchody. Výsledky testování jednotlivých klouzavých průměrů přinesly překvapení, kdyţ dva nejcitlivější klouzavé průměry ( LWMA a EMA) dosahovaly v porovnání horších výsledků, neţ méně citlivé klouzavé průměry. Zároveň docházelo k tomu, ţe při swing tradingu, tedy při vyšší frekvenci obchodování, byly optimální hodnoty parametrů vyšší neţli u optimálních hodnot pro position trading. Před samotným testováním bych očekával naprostý opak. Důvodem, proč při přechodu z position tradingu na swing trading dochází místo poklesu hodnot parametrů k jejich růstu, jsou předem definované hodnoty pro stop loss a profit take. V okamţiku, kdy by tyto hodnoty nebyly předem definovány, optimalizační program by se snaţil zvýšit ziskovost zvýšením počtu transakcí, čehoţ by docílil vyšší citlivostí klouzavého průměru, respektive niţšími hodnotami parametrů. V případě, kdy jsou však hranice stop loss a profit take stanoveny jiţ předem, je optimalizační program nucen hledat nejziskovější parametry 43

100% úspěšnost při position tradingu do tohoto hodnocení nezapočítávám, jelikoţ byla tvořena jediným

obchodem a nejedná se tedy o hodnotu s velkou vypovídající silou.

62

zpřesňováním jednotlivých transakcí a ke zpřesnění (odfiltrování falešných signálů) dochází zvyšováním periody klouzavých průměrů. Ze stejného důvodu zřejmě citlivější klouzavé průměry dosahují horších výsledků, neţ ty méně citlivé.

3.2. MACD Crossover & ADX Druhým testovaným obchodním systémem je MACD Crossover. Jedná se o první testovaný systém sloţený ze dvou různých technických indikátorů, kde kaţdý obchodní signál musí být potvrzen současně oběma indikátory. ADX zde vystupuje jako filtr, MACD jako hlavní zdroj obchodních signálů. Testování bude opět probíhat ve dvou fázích – optimalizace a aplikace optimalizovaných parametrů. Testovanou škálu hodnot parametrů jsem opět volil co nejširší – MACD v rozmezí 2 – 365 pro všechny vstupy, pro periodu ADX v rozmezí 2 – 100 a pro spodní hranici 20 – 30.

3.2.1. Optimalizace parametrů Výsledky optimalizace jsou přehledně uvedeny v následující tabulce: Tabulka č.13: MACD Crossover & ADX – optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost ParametryMADC* ParametryADX** MDD $ 33 002 33 2,62 73% 14/13/14 10/20a 5,1% $ 39 848 15 5,39 73% 75/38/18 13/24 3,8% $ 62 230 12 14,7 83% 44/13/25 11/24a 4,8% $ 78 113 87 2,33 70% 82/21/85 25/21 5,7% $ 140 037 108 2,21 53% 77/50/12 14/23 12,3% $ 163 890 114 2,08 41% 5/10/6a 23/24 9,6%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry pro MACD jsou ve tvaru fastEMA/slowEMA/MACD SMA ** Parametry pro ADX jsou ve tvaru ADX/ADX > x

Z výsledků optimalizace jasně vyplývá, ţe tento obchodní systém má potenciál generovat mnohem větší mnoţství obchodních signálů, neţ předchozí systém zaloţený na dvou klouzavých průměrech a přitom si zachovat podobně vysokou míru úspěšnosti. Vysoká procentuální úspěšnost ziskových obchodů a vyšší počty transakcí generují i několikanásobně vyšší zisky. Hodnoty optimálních parametrů pro MACD se pohybují převáţně v levé třetině celého testovaného spektra hodnot. Většina však naznačuje, ţe větší důraz, neţ na citlivost indikátoru MACD, byl kladen na jeho spolehlivost, a proto 63

se výsledné hodnoty ve většině případů značně vzdálily automaticky přednastaveným hodnotám parametrů 5/13/5. Hodnoty parametrů pro ADX zcela naplnily očekávání, kdyţ se perioda ADX pohybovala v blízkém okolí přednastavené periodě 14 a limitní hranice oscilovala mezi hodnotami 20 aţ 25, coţ jsou hodnoty obecně povaţovány za optimální pro odfiltrování falešných signálů. Nejziskovější obchodní strategií pro position trading, by bylo pouţití MACD s parametry 44/13/25 a filtru v podobě indikátoru ADX s parametry 11/24. V kombinaci s TP/SL strategií v poměru 3:1 by imaginární obchodník uskutečnil 12 obchodních transakcí a dosáhl čistého zisku $62 230. Největší čistý zisk swing traderovi, by přinesla strategie TP/SL 3:1 a parametry 5/10/6 pro MACD a 23/24 pro filtr ADX. Jak se tyto výsledky změní, při aplikaci optimalizovaných parametrů ve druhém období, bude rozebráno v následujícím textu.

3.2.2. Aplikace optimálních parametrů Výsledky aplikace optimalizovaných parametrů obchodního systému MACD Crossover a indikátoru ADX v období 2002 aţ 2006 zobrazuje tabulka č. 14: Tabulka č.14: MACD Crossover & ADX – aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost ParametryMADC* ParametryADX** MDD $ 11 072 11 2,63 73% 14/13/14 10/20a 4,5% $ 8 831 5 2,94 60% 75/38/18 13/24 4,3% $ 24 571 5 11,87 80% 44/13/25 11/24a 3,2% $ 31 340 32 2,55 72% 82/21/85 25/21 7,9% $ 13 139 36 1,26 39% 77/50/12 14/23 17,4% $ 55 588 47 1,85 38% 5/10/6a 23/24 13,2%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry pro MACD jsou ve tvaru fastEMA/slowEMA/MACD SMA ** Parametry pro ADX jsou ve tvaru ADX/ADX > x

Testování obchodního systému MACD Crossover v kombinaci s indikátorem ADX potvrdilo, ţe tento systém je schopný dosahovat zisku ve všech testovaných případech a imaginární investor by s jeho pomocí byl schopen dosáhnout profitu, ať uţ by jeho obchodní a rizikový profil byl jakýkoliv. Nejvyšších zisků dosahuje obchodní systém pro dlouhodobé obchodování se strategií TP/SL 3:1, kdy by obchodník z 5 transakcí obdrţel čistý zisk v hodnotě $24 571. Swing trader by nejvyšších zisků dosáhl také při 64

nastavení TP/SL 3:1, které by mu na 47 obchodech přineslo zisk v hodnotě $55 588. Při aplikaci také velmi dobrých výsledků dosáhly strategie 1:1, které při niţším riziku dokázaly přinést poměrně vysoké zisky. Strategie 2:1 byla sice zisková, ale oproti výsledkům z optimalizace si výrazně pohoršila nejen v ziskovosti, ale i v úspěšnosti a je vidět, ţe dané parametry nefungovaly v době probíhající finanční krize tak dobře, jako v prvním testovaném období. Z výsledků optimalizace se zdálo, ţe tento obchodní systém bude dosahovat vyšších zisků neţ sytém MA Crossover, coţ se také potvrdilo.

3.3. Stochastic Crossover & ADX Třetím testovaným obchodním systémem je Stochastic Crossover & ADX, poslední ze série obchodních systémů, zaloţených na překříţení dvou linií. Opět budu volit co nejširší škálu hodnot pro parametry stochastiku, tzn. od 2 do 365, stejně tak pro periodu ADX a pro limitní hranici ADX zvolím hodnoty v rozmezí 20 aţ 30.

3.3.1. Optimalizace parametrů Výsledky optimalizace jsou přehledně uvedeny v následující tabulce: Tabulka č. 15: Stochastic Crossover & ADX – optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost ParametrySTOCH* ParametryADX** MDD $ 26 596 16 6,86 88% 37/140/7 21/25 3,2% $ 49 003 11 100% 48/122/9 22/23 3,7% $ 59 945 9 100% 5/4/8a 27/24 5,2% $ 69 273 75 2,4 71% 47/118/10 14/25 7,8% $ 148 754 146 1,88 49% 14/16/4 45/21 15,8% $ 130 337 85 2,17 42% 21/9/8a 43/23 11,3%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry pro Stochastic Oscillator jsou ve tvaru %K období/%D perioda/zpomalení ** Parametry pro ADX jsou ve tvaru ADX/ADX > x

Optimalizace obchodního systému přinesla velmi zajímavé výsledky. Hodnoty parametrů se ve většině případů diametrálně odlišují od přednastavených hodnot pro Stochastic Oscillator, tzn. 5/3/3 a dokonce se velmi výrazně liší variantu od varianty. Napříč tomu, hodnoty čistého zisku dosahují zatím nejvyšších naměřených hodnot, ze všech prozatím otestovaných systémů. Nezvyklá struktura parametrů je patrná i v grafickém vyjádření, kdy v některých případech stochastik zcela ztratil svou „běţnou 65

podobu“ – tedy dvě linie, které se velmi těsně následují - a místo pravidelného kmitání (oscilace) ve vyhraničeném koridoru shora dolů, se spíše podobají dvěma klouzavým průměrům s výrazně odlišnými periodami, které se na hranici překoupenosti či přeprodanosti dostanou pouze jednou v průběhu několika dnů či týdnů. Tato skutečnost však v tomto případě není na škodu, neboť to činí stochastický oscilátor daleko účinnějším a přesnějším nástrojem, neţ v případě základního nastavení, kdy byl schopen dosáhnout hranice překoupenosti a přeprodanosti i několikrát za den. Vysoká přesnost tohoto nastavení je patrná především při position tradingu, kde bylo dosaţeno hned ve dvou případech 100% úspěšnosti a to na 11 a 9 obchodních transakcích a 88% na 16 transakcích. Z pohledu dlouhodobého obchodování se opět ukázala jako nejziskovější strategie TP/SL v poměru 3:1, nicméně velmi vysokých hodnot v porovnání s předchozími systémy dosáhly i strategie 1:1 a 2:1. Pro střednědobé obchodování se jako nejziskovější strategie zdá TP/SL 2:1. Jak se tyto výsledky změní, při aplikaci optimalizovaných parametrů ve druhém období, bude rozebráno v následujícím textu.

3.3.2. Aplikace optimálních parametrů Výsledky aplikace optimalizovaných parametrů obchodního systému Stochastic Crossover a indikátoru ADX v období 2002 aţ 2006 zobrazuje tabulka č. 16: Tabulka č. 16: Stochastic Crossover & ADX – aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost ParametrySTOCH* ParametryADX** MDD $ 2 161 5 1,48 60% 37/140/7 21/25 4,0% $ 8 905 5 2,95 60% 48/122/9 22/23 5,0% $ 13 338 6 2,95 50% 5/4/8a 27/24 8,8% $ 29 132 23 3,59 78% 47/118/10 14/25 4,1% $ 64 767 55 2,06 51% 14/16/4 45/21 17,8% $ 48 875 34 2,08 42% 21/9/8a 43/23 12,4%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry pro Stochastic Oscillator jsou ve tvaru %K období/%D perioda/zpomalení ** Parametry pro ADX jsou ve tvaru ADX/ADX > x

Výsledky testů potvrdily profitabilitu obchodního systému ve všech testovaných případech. Také došlo k potvrzení výsledků z optimalizace, tedy ţe nejziskovějším nastavením TP/SL je pro dlouhodobé obchodování 3:1, při kterém bylo dosaţeno 66

během 6 obchodních transakcí čistého zisku ve výši $13 338 a maximální pokles obchodního kapitálu činil 8,8%. Pro střednědobé obchodování se ukázal jako nejziskovější TP/SL poměr 2:1, při kterém bylo uskutečněno 55 transakcí, které přinesly čistý zisk v hodnotě $64 767. Původní nedůvěra ve výsledky optimalizace se ukázala, alespoň co se schopnosti systému dosahovat zisku týče, jako neopodstatněná. V případě střednědobého přístupu k obchodování dokonce došlo k nárůstu úspěšnosti ziskových obchodů, zatímco v dlouhodobém přístupu došlo k jejich mírnému poklesu. Hodnota maximálního poklesu obchodního kapitálu nedosáhla ve všech testovaných případech vyšší hodnoty neţ cca 18%, coţ sice není málo, ale ve výsledku, pokud by byl obchodník ochotný takové riziko podstoupit, by profit z takového obchodování znamenal téměř 65% hodnoty počátečního kapitálu.

3.4. RSI Breakout & ADX Dalším testovaným obchodním systémem je RSI Breakout v kombinaci s indikátorem ADX. Podobně jako u ostatních systémů, budu pro hodnoty parametrů dosazovat hodnoty od 2 do 365, pro periodu ADX a pro limitní hranici ADX zůstávají hodnoty v rozmezí 20 aţ 30.

3.4.1. Optimalizace parametrů Výsledky optimalizace jsou přehledně uvedeny v následující tabulce: Tabulka č.17: RSI Breakout & ADX – optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost ParametryRSI ParametryADX* MDD $ 4 408 8 1,65 63% 13 99/22 50,1% $ 13 177 9 2,44 56% 28 75/21 56,0% $ 13 267 6 2,94 50% 33 80/22 62,8% $ 15 662 25 1,77 64% 10 82/25 56,8% $ 53 991 170 1,23 38% 10 20/25 75,4% $ 43 422 115 1,24 30% 10 22/24 84,3%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry pro ADX jsou ve tvaru ADX/ADX > x

Výsledky optimalizace ukázaly, ţe tento obchodní systém nedosahuje takové procentuální úspěšnosti ziskových obchodů, jako tomu bylo u doposud testovaných 67

systémů. To ale ještě nutně neznamená, ţe by nemohl být ziskový. Hodnoty parametru RSI se nijak výrazně nevymykají od očekávaných hodnot a ani nejsou příliš vzdáleny přednastavené hodnotě indikátoru RSI – 14. Oproti tomu parametry pro periodu indikátoru ADX se v tomto případě vůči předchozím obchodním systémům daleko více odlišují a nabývají hodnot v rozmezí 20 – 99, coţ můţe být znakem toho, ţe samotný indikátor RSI sám o sobě nebyl v daném období schopen, ani při kombinaci všech hodnot od 2 do 365, vygenerovat zcela spolehlivé signály a celý obchodní systém byl daleko více „dolazován“ pomocí indikátoru ADX. Jako nejziskovější strategie TP/SL při dlouhodobém obchodování se jeví opět poměr 3:1 a pro střednědobé obchodování poměr 2:1.

3.4.2. Aplikace optimálních parametrů Výsledky aplikace optimalizovaných parametrů obchodního systému RSI Breakout a indikátoru ADX v období 2002 aţ 2006 zobrazuje tabulka č. 18: Tabulka č.18: RSI Breakout & ADX – aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost ParametryRSI ParametryADX* MDD $ 4 476 4 2,99 75% 13 99/22 31,8% $ 4 392 4 1,97 50% 28 75/21 49,0% $ 11 171 3 5,96 67% 33 80/22 32,4% $ 8 949 14 1,79 64% 10 82/25 82,0% $ 19 688 60 1,24 38% 10 20/25 82,9% $ -9 241 4 0 0% 10 22/24 95,0%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Parametry pro ADX jsou ve tvaru ADX/ADX > x

Výsledky aplikace ukázaly, ţe systém RSI Breakout v kombinaci s indikátorem ADX je schopen dosahovat zisku ve většině případů. Pouze v jediném případě, ze všech testovaných, dosáhl tento obchodní systém ztráty. Jako nejziskovější nastavení TP/SL se pro dlouhodobé obchodování potvrdil poměr 3:1, při kterém byly realizovány celkem 3 obchodní transakce s celkovým čistým ziskem $11 171. Swing trader by dosáhl nejvyššího zisku při TP/SL 2:1. V takovém případě by z 60 obchodních transakcí dosáhl čistého zisku v hodnotě $19 688. Tento obchodní systém však není moţno doporučit k reálnému obchodování, neboť hodnoty MDD se ve všech případech pro střednědobé obchodování pohybovaly v rozmezí 82% – 95% a hodnoty MDD pro position trading se pohybovaly v rozmezí cca 32% - 50%. To znamená, ţe ani jeden z přístupů na bázi 68

obchodního systému RSI Breakout & ADX nelze povaţovat v realitě za aplikovatelný, neboť málokterý investor by byl ochoten čelit tak vysokému riziku úbytku obchodního kapitálu v objemu od 32% do 83%.

3.5. Parabolic SAR Breakout & ADX Posledním testovaným systémem je Parabolic SAR Breakout v kombinaci a indikátorem ADX. Jak jiţ bylo zmíněno ve druhé kapitole, indikátor Parabolic SAR vyvinul J. Welles Wilder a sám upozornil na to, ţe tento indikátor není vhodné pouţívat samostatně, neboť v netrendových fázích přináší velké mnoţství falešných signálů. Wilder je zároveň i tvůrcem indikátoru ADX a proto bude velmi zajímavé sledovat, zda dokáţe indikátor ADX odfiltrovat tyto falešné signály a vytvořit kombinací těchto dvou indikátorů profitabilní obchodní systém. Jelikoţ sám Wilder doporučuje vyuţívat Parabolic SAR s hodnotami 0,2 pro velikost kroku a 0,2 pro maximální rozpětí a protoţe se hodnoty parametru Parabolic SAR zadávají v desetinných číslech, byla by i jejich optimalizace časově a technicky velmi náročná, budu tento obchodní systém testovat s těmito předem stanovenými optimálními hodnotami a optimalizace bude spočívat v hledání optimálních hodnot pouze pro indikátor ADX. Pro periodu indikátoru ADX budu opět volit co nejširší škálu hodnot tj, od 2 do 365 a od 20 do 30 pro limitní hranici.

3.5.1. Optimalizace parametrů Výsledky optimalizace jsou přehledně uvedeny v následující tabulce: Tabulka č.19: Parabolic SAR Breakout & ADX – optimalizace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Optimalizace - 1.1.2002 aţ 31.12.2006 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 7 564 66 1,21 38% 36/25 7,9% $ 13 273 98 1,37 36% 14/25 6,9% $ 20 685 51 2,11 41% 36/25 6,9% $ 10 064 308 1,04 41% 158/25 31,5% $ 53 472 232 1,27 34% 176/25 18,0% $ 37 374 209 1,22 30% 158/25 24,5%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Jedná se o parametry pro ADX a jsou ve tvaru ADX/ADX > x

69

Z výsledků optimalizace vyplývá, ţe tento obchodní systém je schopen generovat zcela největší počet obchodních příleţitostí ze všech testovaných systémů, nicméně procentuální úspěšnost ziskových obchodů nedosáhla při optimalizaci ani v jednom případě hodnoty vyšší neţ 50%. Maximální pokles obchodního kapitálu se kupodivu pohyboval v rozmezí do max. 31,5%, coţ by mohlo nakonec ve výsledku stále znamenat, ţe i po aplikaci optimalizovaných hodnot by se Parabolic SAR dal povaţovat za profitabilní systém. Nejziskovější strategií se jeví z dlouhodobého pohledu TP/SL v poměru 3:1 a při střednědobém obchodování 2:1.

3.5.2. Aplikace optimálních parametrů Výsledky aplikace optimalizovaných parametrů obchodního systému Parabolic SAR Breakout a indikátoru ADX v období 2002 aţ 2006 zobrazuje tabulka č. 20: Tabulka č. 20: Parabolic SAR Breakout & ADX – aplikace Typ obchodníka

TP/SL 450/450 Position Trader 900/450 1350/450 150/150 Swing Trader 300/150 450/150

Aplikace - 1.1.2007 aţ 1.1.2009 Čistý zisk Počet transakcí Faktor zisku Úspěšnost Parametry* MDD $ 5 654 19 1,51 42% 36/25 5,0% $ 11 419 25 2,15 48% 14/25 4,0% $ 14 110 14 3,43 43% 36/25 5,2% $ 17 459 94 1,23 45% 158/25 14,6% $ 39 727 64 1,68 39% 176/25 14,7% $ 19 115 63 1,34 29% 158/25 17,4%

Zdroj: Vlastní práce v programu Metatrader 4 a úpravy v Microsoft Office Excel * Jedná se o parametry pro ADX a jsou ve tvaru ADX/ADX > x

Výsledky aplikace ukázaly, ţe i přes procentuální úspěšnost obchodního systému niţší neţ 50% se jedná o profitabilní obchodní systém, který je schopen dosáhnout zisku ve všech testovaných případech. Toho bylo dosaţeno především díky dobře nastavenému money managementu a relativně nízkým hodnotám MDD. Jako nejziskovější nastavení TP/SL se pro dlouhodobé obchodování potvrdil poměr 3:1, při kterém bylo uzavřeno celkem 14 obchodů s celkovým čistým ziskem v hodnotě $14 110. Z hlediska střednědobého obchodování bylo nejziskovějším nastavením TP/SL 2:1 a potvrdily se tak výsledky z první části testování. V tomto případě, pokud by byl obchodník ochoten přijmout 14,7% MDD dosáhl by celkem z 64 obchodů čistého zisku v hodnotě $39 727.

70

Výsledky V následujícím textu stručně uvedu, čeho bylo optimalizací a testováním vybraných obchodních systémů dosaţeno a zda tyto obchodní systémy naplnily má očekávání. Mezi jednotlivými výsledky, ke kterým jsem došel, však nebudu prezentovat ty, které dosáhly nejvyššího zisku jako nejlepší variantu pro reálné obchodování či jako vítěze testu. Cílem mé práce byla snaha zjistit, zda je moţné pomocí kombinace správného postupu při konstrukci obchodního systému a základních indikátorů technické analýzy sloţit fungující obchodní systém, který by bylo moţné vyuţít při reálném obchodování. A právě proto, stejně jako v realitě, není moţné nyní jednoduše ukázat prstem na nejziskovější kombinaci obchodního systému, obchodního stylu a úrovně rizika a říci: „Toto je nejlepší varianta.“ Kaţdý člověk, který přichází na finanční trhy s úmyslem obchodovat, má jiné vlastnosti, preferuje jiný obchodní styl a nejen jeho povaha, ale především velikost jeho obchodního kapitálu determinuje, jak velké riziko je ochoten podstoupit. Kritériem úspěchu a prohlášení obchodního systému za v praxi pouţitelný byla jeho ziskovost44 (s přihlédnutím k riziku a stabilitě), ale nelze stejným způsobem říci, ţe ten nejziskovější systém je zároveň ten nejlepší pro vyuţití v praxi. Využití obchodního systému MA Crossover & ADX v praxi Obchodní systém sloţený ze dvou klouzavých průměrů stejného typu a indikátoru ADX, jakoţto zpřesňujícího faktoru, se i přes svou jednoduchost ukázal, jako systém v praxi použitelný. Potenciální investor by nyní mohl volit z celkem 22 moţností z 24 testovaných, coţ poskytuje obrovský prostor pro to, aby si kaţdý investor vybral podle preferovaného způsobu obchodování a podle vlastního přístupu k riziku. Při testování jednotlivých typů klouzavých průměrů se ukázalo, ţe vyšší citlivost klouzavého průměru je spíše na škodu, neţ k uţitku45. Zcela nejvyšších zisků a nejvyšší přesnosti dosáhl obchodní systém při pouţití SMMA, tj. vyhlazeného klouzavého průměru, ale ani výsledky ostatních klouzavých průměrů nebyly špatné. Nicméně jak uţ jsem

44

Obchodní systém, který by ze 100 transakcí dosáhl zisku $1, je v praxi samozřejmě nepouţitelný, proto

při hodnocení přihlíţím i k dalším údajům, které vypovídají o schopnostech daného systému obstát v praxi. 45

Alespoň co se týče obchodování v dlouhodobém a střednědobém horizontu na devizovém trhu.

71

několikrát zmínil, pořadí SMMA, SMA, EMA, LWMA bych před začátkem testování neočekával a více bych favorizoval citlivější typy klouzavých průměrů. Celkově obchodní systém MA Crossover & ADX dosahoval i relativně vysoké úspěšnosti a také stability, kdyţ se hodnoty maximálního poklesu, ani v nejhorším případě, nedostaly nad 20% (nejhorší výsledek 18,4%). Z hlediska dlouhodobého obchodování bylo nejvyšších zisků dosahováno při strategii TP/SL v poměru 3:1 a při střednědobém obchodování 2x v poměru 1:1 (SMMA, EMA) a 2x v poměru 2:1 (SMA, LWMA). To naznačuje vyšší jistotu obchodních signálů při dlouhodobém obchodování. Využití obchodního systému MACD Crossover & ADX v praxi Obchodní systém sloţený z indikátoru MACD a indikátoru ADX, společně s obchodními pravidly, které jsem stanovil ve druhé kapitole, se také ukázal jako potenciálně využitelný v praxi, kdyţ ve všech testovaných případech dosahoval zisku a maximální pokles kapitálu, ani v nejhorším případě, nedosáhl 20% (nejhorší výsledek 17,4%). Jiţ samotná optimalizace slibovala velmi pozitivní výsledky, které se pak víceméně potvrdily. Zklamaly jen obě strategie TP/SL 2:1, které si výrazně pohoršily jak v úspěšnosti, tak v ziskovosti. Hlavní důvod tohoto zhoršení bych však viděl spíše v ne zcela dobře zvolených hodnotách optimálních parametrů, neţ v nefunkčnosti strategie 2:1 pro tento obchodní systém. Pro oba obchodní přístupy se ukázalo jako nejziskovější nastavení TP/SL 3:1. Moţnost obchodování s takto vysokým rozpětím mezi TP/SL ukazuje na vysokou spolehlivost obchodních signálů, jak pro position trading, tak pro swing trading. Využití obchodního systému Stochastic Crossover & ADX v praxi Pouţití obchodního systému Stochastic Crossover & ADX, tak jak jsem ho definoval ve druhé kapitole, se při testování ukázalo jako v praxi potenciálně profitabilní. Obchodní systém dosahoval zisku ve všech testovaných variantách, a dosahoval velmi kvalitních hodnot i v oblasti úspěšnosti a stability, kdyţ nejhorší ziskový faktor byl 1,48, nejniţší úspěšnost 42% a nejvyšší pokles kapitálu v průběhu testování dosáhl 17,8%. Domnívám se, ţe tyto výsledky jednoznačně vyvrátily původní pochybnosti o hodnotách optimálních parametrů. Pro position trading dosahoval tento obchodní systém nejvyšších zisků pro strategii TP/SL 3:1 a pro swing trading v poměru 2:1.

72

Využití obchodního systému RSI Breakout & ADX v praxi Výsledky testování ukázaly, ţe systém sloţený z indikátoru RSI a indikátoru ADX s tak nastavenými obchodními pravidly, jak jsem je definoval ve druhé kapitole, byl sice schopen dosáhnout zisku pro 5 ze 6 testovaných variant, nicméně pro vyuţití v praxi ho doporučit určitě nelze. Tento obchodní systém totiţ dosahoval vysoké nestability a hodnoty maximální ztráty obchodního kapitálu v průběhu testovaného období dosahovaly hned ve třech případech poklesu vyššího neţ 80% (nejniţší pokles činil 31,8%), coţ je v praxi nepřijatelné. Pro představu nejvyšší zisk tohoto obchodního systému činil $19 688 a maximální pokles obchodního kapitálu v průběhu obchodování byl 82,9%. Obchodník by tedy pro zhodnocení základního kapitálu o 19,7% musel riskovat 82,9% jeho hodnoty. Využití obchodního systému Parabolic SAR Breakout & ADX v praxi Obchodní systém sloţený z indikátoru Parabolic SAR, indikátoru ADX a pravidly obchodování, stanovenými ve druhé kapitole, dokázal ve všech testovaných případech dosáhnout zisku. I přesto, ţe se jedná o obchodní systém s nejniţší průměrnou hodnotou úspěšnosti, dosahuje srovnatelných zisků jako např. MA Crossover & ADX. Rozhodujícím faktorem posouzení moţnosti jeho potenciálního vyuţití při skutečném obchodování jsou tak výsledky MDD. Pro position trading dosahovaly hodnoty maximálního poklesu 4% – 5,2%, coţ jsou hodnoty relativně nízké a z tohoto pohledu bych tento obchodní systém pro position trading označil jako v praxi použitelný. Zatímco pro swing trading je situace o něco komplikovanější, jelikoţ hodnoty maximálního poklesu se pohybují v rozmezí 14,6% - 17,4% a ve dvou případech činí procentuální zhodnocení obchodního kapitálu jen o něco málo více, neţ činí jeho max. pokles. Takový výsledek samozřejmě není moţné označit za jednoznačný úspěch, nicméně nejedná se v ţádném případě ani o neúspěch. V praxi by velmi záleţelo na rizikovém profilu kaţdého obchodníka, zdali by byl ochoten ve střednědobém horizontu podle tohoto obchodního systému obchodovat.

73

Ohlédnutí se za testováním v číslech Pro přehlednost uvedu několik zajímavých údajů, které z testování vyplynuly: Vůbec nejvyšší naměřená hodnota čistého zisku, kterou některý z vybraných obchodních systémů dosáhl aplikací optimalizovaných hodnot parametrů v období 2007 aţ 2009, byla $64 76746 a dosáhl ji obchodní systém Stochastic Crossover & ADX Nejvyšší průměrné ziskovosti - $27 863, stejně jako nejvyššího zisku dosáhl obchodní systém Stochastic Crossover & ADX. Nejnižší průměrné ziskovosti - $5 484 dosáhl obchodní systém MA Crossover při aplikaci lineárně váţeného klouzavého průměru (LWMA). Největšího ziskového faktoru47 - 11,87 dosáhl obchodní systém MACD Crossover & ADX, Nejnižší ziskový faktor - 1,23 naměřený pro ziskový případ zaznamenal obchodní systém Parabolic SAR Breakout & ADX. V průměru nejvíce obchodních transakcí provedl obchodní systém Parabolic SAR & ADX, kdyţ vygeneroval v průměru 47 obchodních transakcí na kaţdou testovanou variantu. Nejnižší průměrný počet transakcí vygenerovaly téměř shodně všechny systémy na bázi MA Crossover, kdyţ dosahovaly v průměru pouze 10 až 11 obchodů. Největší průměrné přesnosti - 78,2%, měřené podle procentuální úspěšnosti ziskových obchodů, dosáhl obchodní systém MA Crossover při pouţití vyhlazovaných klouzavých průměrů (SMMA). Nejnižší průměrné přesnosti - 41% a dosáhl Parabolic SAR Breakout & ADX. Nejnižšího průměrného poklesu obchodního kapitálu - 6,9% v průběhu testování dosáhl obchodní systém MA Crossover s vyuţitím exponenciálního klouzavého průměru (EMA). Ostatní obchodní systémy dosahovaly v průměru 7% aţ 8,4%, jen Stochastic Crossover & ADX - 10,2% a zcela nejhoršího průměru dosáhl systém RSI Breakout & ADX – 62,2%.

46

55 transakcí, faktor zisku 2,06, úspěšnost 51% a MDD 17,8%

47

Počítaný pouze pro varianty s niţší úspěšností neţ 100%.

74

Závěr Ve své práci jsem se zabýval praktickou vyuţitelností vybraných metod technické analýzy v praxi, jejími moţnostmi a úskalími, se kterými se začínající tradeři často potýkají. V první části této práce jsem se pokusil nastínit něco z mých vlastních zkušeností tradera a vysvětlit, jak velmi důleţitou roli, dle mého názoru, sehrává v tradingu člověk a lidská psychologie. Také jsem vymezil hranice mezi dovednostmi z oblasti technické analýzy a dovednostmi z oblasti tradingu. Běţný člověk, který se rozhodne investovat na základě technické analýzy, by si měl být vědom toho, ţe se jedná o specifický druh „obţivy“ a jako takový si vyţaduje nejen odlišné metody, ale i odlišný způsob vnímání některých zdánlivě rutinních činností. Spekulacemi na finančních trzích člověk nikdy nebude dosahovat pevné hodinové mzdy za odvedené mnoţství práce, ale vţdy bude muset pouze kalkulovat s potenciálním ziskem, s pravděpodobností, se kterou se mu podaří zisku dosáhnout48. Mé vlastní zkušenosti ukazují, ţe lidé, kteří přicházejí na finanční trhy, jsou přesvědčeni o tom, ţe klíčem k úspěchu jsou především teoretické znalosti a získání „nejlepšího obchodního sytému na světě“. Trading má tendenci přitahovat inteligentní a úspěšné lidi z různých oblastní lidské činnosti. Tito lidé se ve svém původním oboru stali úspěšnými zpravidla proto, ţe se jim podařilo být v určitých oblastech lepší neţ ostatní, z velké části proto, ţe vytrvali ve svém sebezdokonalování, dokud se jim nepodařilo dosáhnout vyšších výkonů. Takoví lidé, se však i na trzích snaţí o dosaţení nedosaţitelného a nejsou schopni akceptovat metody, které přinášejí kromě ziskových období i období ztrátové. Místo aby zůstali u metody, která není dokonalá a pracovali na své osobnosti obchodníka a „neprůstřelném“ money managementu, utíkají od jedné metody k druhé a nezřídka investují nemalé finanční prostředky do automatizovaných obchodních systémů. Snaha o nalezení obchodního systému, který by měl absolutní úspěšnost a odhalil sto obchodních příleţitostí ze sta je dle mého názoru kontraproduktivní a vede mnohdy

48

Jak jsem ve své práci naznačil, je daleko důleţitější kontrolovat své ztráty, neţ se člověk pustí do řízení

zisků.

75

k celkovému neúspěchu při obchodování. Trhy nikdy nefungovaly a nikdy ani nebudou fungovat podle našich představ a proto snaha o přenesení našich zvyků na trhy se nikdy nepotká s úspěchem. V běţném ţivotě je dosaţení sto bodů ze sta moţných bráno za úspěch v pravém slova smyslu. Horší bodový zisk nás v ţivotě stojí horší známku při studiích, niţší platové ohodnocení v práci nebo třeba horší umístění v taneční soutěţi. Nicméně finanční trhy fungují zcela jinak a přenášet na ně naše měřítka úspěchu vede pouze k nekonečnému hledání něčeho, čemu zkušení obchodníci s jistou nadsázkou říkají „svatý grál“49. Ve skutečnosti můţe mít trader ve svých odhadech pravdu, třeba jen ve 40% případů, a přesto můţe pravidelně dosahovat velkých zisků50. Zlaté pravidlo, které je moţné nalézt snad v kaţdé knize o tradingu zní: “Nejlepší systém je ten, který funguje.“ [A. Elder, 2002] Na základě tohoto, jsem s vyuţitím základních technických indikátorů, které jsou dnes běţnou součástí kaţdého obchodního softwaru, sestrojil několik velmi jednoduchých obchodních systémů. Pro tyto obchodní systémy jsem se poté pokusil nalézt ideální nastavení parametrů jejich optimalizací v softwaru Metatrader 4. Optimalizace probíhala na historických datech kurzu měnového páru EUR/USD v období mezi lety 2002 a 2007. Optimalizované parametry jsem následně pouţil při testování praktické vyuţitelnosti vybraných obchodních systémů, v kombinaci se základními přístupy k obchodování a základními strategiemi money managementu na historických datech z let 2007 aţ 2009. Po vyhodnocení výsledků testování jsem s překvapením zjistil, ţe kromě jediného obchodního systému, by byly mnou, ve své podstatě náhodně sestavené kombinace indikátorů, schopny dosahovat zisku za takových podmínek, ţe bych je mohl označit za pouţitelné i v reálném obchodování. Mé překvapení pramení především z toho, ţe jedinou skutečně pozitivní zkušenost z praxe jsem měl do této doby pouze s indikátory ADX a částečně s MACD a RSI. Zbylé indikátory jsem před samotným testováním povaţoval za nepřesné a mé zkušenosti s jejich vyuţitím byly vesměs negativní, především pak indikátor Stochastic Oscillator jsem před začátkem práce povaţoval za

49

Takový obchodní systém, který je 100% přesný.

50

Coţ výsledky testování potvrdily.

76

jasného „outsidera“. Výsledky však ukázaly naprostý opak. To ukazuje jak důleţitý proces je proces optimalizace. Cílem této práce bylo zjistit, zda je moţné ze základních technických indikátorů sestavit profitabilní a v praxi pouţitelný obchodní systém. Na základě výsledků testování z let 2007 aţ 2009 vyplývá, ţe obchodní systémy MA Crossover & ADX, MACD Crossover & ADX, Stochastic Crossover & ADX a Parabolic Breakout & ADX jsou toho za podmínek uvedených v této diplomové práci schopny. Jediný obchodní systém, který by v praxi neobstál je RSI Breakout & ADX. Výsledky potvrdily nejen schopnost metod a nástrojů technické analýzy vytvořit profitabilní obchodní systém, ale také dokázaly, jak důleţitou roli hraje správný money management, neboť i přesto, ţe v některých případech testované obchodní systémy dosahovaly úspěšnosti niţší neţ 50%, dokázaly si zachovat ziskovost i pozitivní hodnoty MDD. Závěrem bych ještě rád dodal, ţe i přesto, ţe jako nejziskovější obchodní systém se ukázal Stochastic Crossover & ADX, jednoznačně určit, který ze systémů, by byl pro praktické vyuţití nejlepší, není moţné. Jak uţ jsem mnohokrát zmiňoval, při volbě obchodního systému mají různí lidé, odlišné poţadavky. Obchodníci se odlišují ve svých obchodních přístupech, odlišuje je velikost rizika, které jsou schopni nebo ochotni podstoupit a jsou také velmi omezeni velikostí svého obchodního kapitálu atd. Proto jsem přesvědčen, ţe výsledky své práce mohu hodnotit velmi pozitivně neboť čtyři profitabilní systémy, nabízejí čtenáři 40 moţných způsobů, podle kterých obchodovat a kaţdý má moţnost zvolit si takovou metodu, která bude nejbliţší jeho obchodnímu profilu.

77

Použitá literatura a další zdroje Použitá literatura 1. ELDER, Alexander. Trading for a living: Psychology, Trading Tactics, Money Management.Wiley, 1993. 289 s. ISBN 0-47-159224-2. 2. ELDER, Alexander. Come Into My Trading Room: A Coplete Guide to Trading. Wiley, 2002. 320 s. ISBN 0-47-122534-7. 3. KASE, Cynthia A. Trading With The Odds: Using the Power of Probability to Profit in the Futures Market. McGraw-Hill, 1996. 250 s. ISBN 1-55738-911-X. 4. KRABEC, Jaroslav. Finanční trhy. Bankovní institut vysoká škola a.s., 2007. 147 s. ISBN 978-80-7265-105-4 5. LEVINE, Sumner N. The Financial Analyst´s Hanbook. McGraw-Hill Professional Publishing, second edition, 1988. 1870 s. ISBN 0-87-094919-5. 6. MURPHY, John J. Technical Analysis of the Financial Markets: A Comprehensive Guide to Trading Methods and Applications. Prentice Hall Press, 1999. 576 s. ISBN 0-7352-0066-1. 7. NISON, Steve. Japanese Candlestick Charting Techniques. Prentice Hall Press, 1991. 336 s. ISBN 0-13-931650-7. 8. NISON, Steve. Beyond Candlesticks: New Japanese Charting Techniques Revealed. Wiley, 1994. 282 s. ISBN 0-47-100720-X. 9. PRING, Martin J. Technical Analysis Explained: The Successful Investor's Guide to Spotting Investment Trends and Turning Points. McGraw-Hill Companies, 1991. 560 s. ISBN 0-07-051042-3. 10. PRING, Martin J. Investment Psychology Explained: Classic Strategies to Beat the Markets. Willey, 1995. 288 s. ISBN 0-471-13300-0. 11. SCHLOSSBERG, Boris. Technical Analysis of the Currency Market: Classic Techniques for Profiting from Market Swings and Trader Sentiment. Willey, 2006. 224 s. ISBN 0-471-74593-6. 12. STEVENS, Leigh. Essential Technical Analysis: Tools and Techniques to Spot Market Trends. John Wiley & Sons Inc, 2002. 308 s. ISBN 0-47-115279-X. 13. WILDER, Welles J. New Concepts in Technical Trading Systems. Trend Research, 1978. 142 s. ISBN 0-89459-027-8 78

Internetové zdroje (cit. duben 2010): 1. http://www.alpari.co.uk/en/dc/databank.html 2. http://forex-indicators.net/adx 3. http://forex-indicators.net/parabolic-sar 4. http://www.investopedia.com/articles/trading/07/adx-trend-indicator.asp 5. http://www.investopedia.com/university/indicator_oscillator/ind_osc8.asp 6. http://stockcharts.com/school/doku.php?id=chart_school:technical_indicators:m oving_average_conve 7. http://stockcharts.com/school/doku.php?id=chart_school:technical_indicators:rel ative_strength_index_rsi Použitý software: Metatrader 4, Microsoft Office Excel, Adobe Photoshop.

79

Seznam obrázků a tabulek Seznam obrázků Obrázek č.1: Populární typy grafů...................................................................................15 Obrázek č.2: Trendové linie ............................................................................................16 Obrázek č.3: Moving Average Crossover .......................................................................38 Obrázek č.4: Average Directional Index (ADX) .............................................................41 Obrázek č.5: MACD Crossover & ADX .........................................................................42 Obrázek č.6: Stochastic Crossover & ADX ....................................................................45 Obrázek č.7: RSI Breakout & ADX ................................................................................47 Obrázek č.8: Parabolic SAR Breakout & ADX ..............................................................49 Obrázek č.9: Originální výsrup z programu Metatrader 4...............................................54 Seznam tabulek Tabulka č.1: Vliv série ztrátových obchodů na obchodní kapitál ...................................28 Tabulka č.2: Reward/risk ratio ........................................................................................29 Tabulka č.3: Síla trendu podle hodnoty ADX .................................................................40 Tabulka č.4: Upravená tabulka s výsledky testování ......................................................55 Tabulka č.5: SMA Crossover – optimalizace ..................................................................56 Tabulka č.6: EMA Crossover – optimalizace..................................................................56 Tabulka č.7: SMMA Crossover – optimalizace ..............................................................57 Tabulka č.8: LWMA Crossover – optimalizace ..............................................................57 Tabulka č.9: SMA Crossover – aplikace .........................................................................59 Tabulka č.10: EMA Crossover – aplikace .......................................................................60 Tabulka č.11: SMMA Crossover – aplikace ...................................................................60 Tabulka č.12: LWMA Crossover – aplikace ...................................................................61 Tabulka č.13: MACD Crossover & ADX – optimalizace ...............................................63 Tabulka č.14: MACD Crossover & ADX – aplikace ......................................................64 Tabulka č.15: Stochastic Crossover & ADX – optimalizace ..........................................65 Tabulka č.16: Stochastic Crossover & ADX – aplikace .................................................66 Tabulka č.17: RSI Breakout & ADX – optimalizace ......................................................67 Tabulka č.18: RSI Breakout & ADX – aplikace .............................................................68 Tabulka č.19: Parabolic SAR Breakout & ADX – optimalizace ....................................69 80

Tabulka č.20: Parabolic SAR Breakout & ADX – aplikace............................................70

81