MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA V BRNĚ PROVOZNĚ EKONOMICKÁ FAKULTA Ústav demografie a aplikované statistiky

MENDELOVA ZEMĚDĚLSKÁ A LESNICKÁ UNIVERZITA V BRNĚ PROVOZNĚ EKONOMICKÁ FAKULTA Ústav demografie a aplikované statistiky

Testování hypotéz a využití technické analýzy při obchodování na futures trzích

Diplomová práce

Lukáš Klaška Brno 2009

Prohlášení Prohlašuji, že jsem tuto diplomovou práci na téma „Testování hypotéz a využití technické analýzy při obchodování na futures trzích“ vypracoval samostatně s použitím literatury, kterou uvádím v seznamu. V Brně 12. 5. 2009

………………………………… 4

Poděkování

5

Rád

bych

tímto

poděkoval

vedoucí

diplomové

práce,

Ing.

Kristině

Somerlíkové, Ph.D. a Ing. Petru Tomanovi, Ph.D., za konzultace, připomínky a cenné rady při zpracovávání diplomové práce.

ABSTRAKT Ve své diplomové práci na téma „Testování hypotéz a využití technické analýzy při obchodování na futures trzích“ se věnuji možnostem využití technické analýzy a porovnávání výnosu jednotlivých strategií s výnosem strategie buy and hold na vybraných futures trzích. Jsou zde prezentovány výsledky jak základního použití vybraných indikátorů, tak i výsledky sofistikovaných technických strategií při obchodování pouze jednoho kontraktu, tak i výsledky těchto strategií doplněné o money management. Pomocí výsledků testování hypotéz je rozhodnuto, zda existuje ve výši dosaženého zisku pomocí technických strategií a strategií buy and hold statisticky významný rozdíl a případně také o tom která ze strategií je při obchodování na futures trzích efektivnější.

ABSTRACT In my thesis on "Testing hypotheses and the use of technical analysis in trading on futures markets" I examine the opportunities of technical analysis and comparison of technical strategies to yield income strategy „buy and hold“ on selected futures markets. There are presented the results of the basic use of selected indicators, as well as the results of sophisticated technical strategies to trade only one contract, as well as the results of the strategies followed by the money management. Using the results of hypothesis testing is determined whether there is in the amount of profit by means of technical strategies and „buy and hold“ strategies, a statistically significant difference and also about which of the strategies is to trade the futures markets more efficient.

6

OBSAH

1

ÚVOD ............................................................................................................... 9

2

CÍL PRÁCE .................................................................................................... 11

3

METODIKA ................................................................................................... 11

4

TECHNICKÁ ANALÝZA ............................................................................. 14 4.1

Grafické metody technické analýzy ................................................................................. 14

4.1.1

Sloupcový graf........................................................................................................ 14

4.1.2

Svíčkový graf ......................................................................................................... 15 Dow teorie a určení trendu .............................................................................................. 15

4.2

Určení trendu.......................................................................................................... 16

4.2.1

Grafické formace............................................................................................................ 17

4.3 4.3.1

Support, resistance a trendová čára ........................................................................... 17

4.3.2

Reverzní formace .................................................................................................... 18

4.3.3

Konsolidační formace.............................................................................................. 20

4.3.4

Mezery ................................................................................................................... 22

4.3.5

Dílčí závěr .............................................................................................................. 22 Indikátory ...................................................................................................................... 23

4.4

5

4.4.1

Trend following indikátory ..................................................................................... 23

4.4.2

Oscilátory............................................................................................................... 28

4.4.3

Objemové indikátory............................................................................................... 33

4.4.4

Dílčí závěr .............................................................................................................. 36

MONEY MANAGEMENT ............................................................................ 37 5.1

Risk management ........................................................................................................... 37

5.1.1

Stop loss a profit target ............................................................................................ 38

5.1.2

MAE a MFE analýza ............................................................................................... 40

5.2

Position sizing................................................................................................................ 42

5.2.1

Kellyho vzorec........................................................................................................ 42

5.2.2

Optimal f ................................................................................................................ 43

5.2.3

Fixed ratio .............................................................................................................. 43

5.2.4

Fixed fractional....................................................................................................... 44

5.2.5

Williams risk ratio................................................................................................... 45 7

Dílčí závěr ..................................................................................................................... 46

5.3

6

7

TESTOVÁNÍ HYPOTÉZ............................................................................... 47 6.1

Nulová a alternativní hypotéza ........................................................................................ 47

6.2

Chyby při testování hypotéz ............................................................................................ 48

6.3

Proces testování hypotéz ................................................................................................. 49

6.4

Parametrické a neparametrické testy ................................................................................ 49

VLASTNÍ PRÁCE.......................................................................................... 52 7.1

Formulace hypotézy ....................................................................................................... 52

7.2

Obchodní systémy .......................................................................................................... 53

7.2.1

Základní technická analýza ...................................................................................... 53

7.2.2

Patterny Larryho Williamse ..................................................................................... 55

7.2.3

Shrnutí ................................................................................................................... 79

8

DISKUZE A ZÁVĚR ..................................................................................... 81

9

SEZNAM POUŽITÉ LITERATURY ............................................................ 85

10 CD S PŘÍLOHAMI......................................................................................... 86

8

1

ÚVOD K obchodování na finančních trzích existují dva základní obchodní přístupy. Obchodník si

může zvolit, zda bude do vybraných finančních instrumentů investovat své peněžní prostředky dlouhodobě nebo krátkodobě. Pokud se rozhodne pro dlouhodobé investování, zpravidla tyto cenné papíry nakoupí a pasivně drží, dokud mu nepřinesou požadovaný výnos. Pokud se rozhodne pro krátkodobé investování, zpravidla s vybranými cennými papíry aktivně obchoduje a snaží se profitovat na krátkodobých cenových výkyvech. Podle toho, který z těchto dvou přístupů si obchodník zvolí, vybere si i analýzu, pomocí které bude svoje obchodní rozhodnutí činit. Pokud bude chtít investovat své peněžní prostředky dlouhodobě, např. v řádu několika let nebo dokonce desetiletí, sáhne většinou po fundamentální analýze. Pokud se rozhodne pro aktivní krátkodobý přístup k investování, kdy spekuluje na růst či pokles kurzu v řádu dnů, týdnu nebo třeba jen několika minut, sáhne většinou po analýze technické případně psychologické. Oba přístupy mají své výhody, ale i nevýhody a jejich zastánci se častou přou o to, který z těchto dvou přístupů je efektivnější. Fundamentální analýza vychází z konceptu, že každý finanční instrument na trhu lze ocenit správnou cenou, která je známá pod pojmem vnitřní cena. Fundamentální analýza vychází z rozumného předpokladu, že cena finančních aktiv, a v důsledku toho i vnitřní cena, je determinována určitými cenotvornými faktory, které jsou často i dobře predikovatelné. Těmito faktory jsou různé makroekonomické, odvětvové a mikroekonomické ukazatele, jejichž analýzou můžeme stanovit vnitřní cenu (Brada 2000). Všeobecně pak platí, že pokud je vnitřní cena finančního aktiva nižší než jeho cena tržní, je toto aktivum předražené a jeho hodnota bude klesat. Naopak pokud je vnitřní cena vyšší než tržní cena, je toto aktivum podhodnocené a jeho hodnota bude růst. Nevýhodou tohoto přístupu je, že vůbec neřeší krátkodobé výkyvy kurzu a nerozhoduje o tom, kdy je ten nejlepší okamžik pro nákup nebo prodej daného cenného papíru. Je to přístup statický a zaměřený především na identifikaci investiční příležitosti, kde se předpokládá růst kurzu. Technická analýza je se způsobem rozhodování o nákupu a prodeji finančních instrumentů na základě zkoumání zákonitostí v historickém vývoji tržních cen, případně obchodovaných

9

objemů. Investor takto dostává návod na to, kdy nakoupit nebo kdy prodat daný finanční instrument (Brada 2000). Princip technické analýzy spočívá v tom, že: • Tržní ceny odrážejí a zahrnují veškeré dostupné informace – veškeré fundamentální, ekonomické, politické, psychologické a jiné informace. Je proto zcela zbytečné studovat finanční výkazy firem a porovnávat tržní cenu akcie s její vnitřní hodnotou, jak to činí fundamentální analytici. • Ceny se pohybují v trendech a trendy vytrvávají – pohyb ceny vždy vytváří určitý trend rostoucí, klesající nebo boční a v tomto trendu pak cena po určitou dobu setrvává. • Dění na trhu se opakují – chování trhu se opakuje, lze proto z vývoje v minulosti usuzovat na vývoj v budoucnosti. Důvodem je sklon lidí reagovat v podobných situacích podobně jako předtím (Turek 2006). Technickou analýzu můžeme využít prakticky na všech finančních trzích, je jedno zda s její pomocí analyzujeme akcie, dluhopisy nebo komodity, všude se dají použít ty stejné technické nástroje. Řeší to, kdy je ten nejlepší okamžik pro nákup nebo prodej cenného papíru a je podstatně flexibilnější než fundamentální analýza. Nevýhodou této metody je, že pro dlouhodobý investiční horizont se dá využít spíše pouze jako podpůrný rozhodovací prostředek, generuje i falešné signály a přesnost její předpovědi pro vzdálenější budoucnost klesá. Při použití této metody je třeba i značná flexibilita a v případě nutnosti změnit rozhodnutí uskutečněné před několika minutami jako 100% správné klidně i úplně opačné. Ve své diplomové práci se budu věnovat právě metodám technické analýzy a porovnávání výše dosaženého výnosu pomocí těchto metod s výnosem pasivní strategie buy and hold. Pomocí testování hypotéz také přispěji svými výsledky do věčného sporu o efektivitě převážně fundamentální strategie buy and hold a strategií založených na technické analýze.

10

2

CÍL PRÁCE Hlavním cílem práce je statistická analýza ziskovosti, dosažené obchodováním na futures

trzích pomocí automatického obchodního systému založeného na pravidlech technické analýzy a money managementu. Ziskovost dosažená pomocí automatického obchodního systému bude porovnávána se ziskovostí, které by bylo dosaženo strategií „buy and hold“. K zobecnění získaných výsledků bude použito testování hypotéz o existenci statisticky průkazného rozdílu ve výši výnosu, dosaženého automatickým obchodním systémem a strategií „buy and hold“. Dílčím cílem práce je popis základních metod technické analýzy a předvedení výsledků jejich názorného použití v praxi. Popis základních technik money managementu určených pro kontrolu rizika a rozhodování o velikosti otevíraných pozic při obchodování na finančních trzích. Poukázat na výhody a nevýhody, které automatické obchodní systémy založené na pravidlech technické analýzy nabízí v porovnání s ostatními přístupy k obchodování na finančních trzích. Posledním dílčím cílem je popis principu a procesu testování hypotéz pomocí vybraných testů, které budu v práci používat. Výsledkem práce bude ucelený pohled na využití automatického obchodního systému při obchodování na finančních trzích z historického a současného hlediska, zhodnocení, zda je automatický obchodní systém efektivnější než strategie „buy and hold“ a doporučení, na které trhy a časová pásma je vhodné daný systém aplikovat.

3

METODIKA Diplomová práce je rozdělena do dvou samostatně ucelených částí. V první části se

zabývám literární rešerší na téma technická analýza, money management a testování statistických hypotéz. V jednotlivých kapitolách podrobně popisuji různé metody technické analýzy v prostředí finančních trhů a konkrétními příklady dokládám jejich praktickou aplikaci. V kapitole o money managementu se zaměřuji na možnosti kontroly rizika při obchodování na finančních trzích, zabývám se problematikou používání příkazu stop loss a technikami, které mohou zvýšit efektivitu využívání tohoto ochranného příkazu. Protože ochrana kapitálu a řízení rizika jsou při obchodování na finančních trzích klíčovými prvky jakékoliv strategie, je této kapitole věnována větší pozornost a zabývám se v ní i analýzou MAE/MFE, pomocí které můžeme určit optimální velikost dolarového stop lossu a profit targetu, aniž bychom systém 11

tzv. přeoptimalizovali. V poslední částí kapitoly o money managementu se věnuji pozition sizingu a metodám, které se v praxi nejčastěji používají při rozhodování o tom kolik pozic otevřít v následujícím obchodě. Poslední kapitolou první části je testování statistických hypotéz. V této kapitole se věnuji principu a postupu při testování statistických hypotéz, formulacím nulové a alternativní hypotézy a možným chybám při testování hypotéz. Detailněji zde však popisuji pouze test o dvou středních hodnotách ze závislých výběrů a Wilcoxonův test, které budu dále v praktické části práce používat. Ve druhé části diplomové práce se zabývám konkrétními strategiemi, popisuji jejich vstupní a výstupní techniku a nastavení jednotlivých parametrů strategie pro různé trhy. Jednotlivé strategie jsou pak testovány na výběru 17 různých trhů v období od roku 1999 do roku 2009. V současné době je na trhu velmi široká nabídka různých finančních instrumentů určených k obchodování. Ve své práci jsem si zvolil futures, protože tyto trhy jsou velmi likvidní, mají rozsáhlou historii cenových dat a existuje zde pákový efekt, který umožňuje realizovat vyšší zisky i na menších cenových pohybech a v kratším časovém horizontu. Jsou tak z mého pohledu pro obchodování pomocí technické analýzy vhodnější, než trhy, které finanční páku nemají. Nejdůležitější výsledky jednotlivých strategií, očištěné o komisní poplatky ve výši 5 dolarů za otevření a uzavření obchodu, jsou vždy uvedeny v přehledné tabulce spolu s komentářem, jak si daná strategie v pozorovaném období vedla. Ve výsledcích je abstrahováno od poplatků souvisejících s rolováním jednotlivých futures. V praxi rolování futures znamená uzavření pozice v končícím kontraktním období a otevření pozice v novém kontraktním období, tj. poplatek 5 dolarů za uzavření a otevření obchodu. Jeho velikost tak na výsledek daného obchodu nemá téměř žádný vliv. Výběrový soubor 17 různých trhů byl vybrán tak, aby v souboru byla zastoupena různá podkladová aktiva. Výběr začíná u zemědělských komodit, pokračuje přes vzácné kovy, energie, měny a akciové indexy a končí u dluhopisů. U každé strategie je testována hypotéza o existenci průkazného rozdílu ve výši dosaženého výnosu technickou strategií oproti výnosu strategie buy and hold. V tomto testu jsou spolu porovnávány zisky a ztráty dané technické strategie a strategie buy and hold. Test je realizován u každé strategie dvakrát, v prvním případě jsou porovnávány výsledky obchodování pouze jednoho kontraktu a ve druhém případě výsledky dosažené s použitím money managementu a výchozím kapitálem 100 000 dolarů. Tyto testy jsou prováděny zvlášť s úmyslem zdůraznit vliv money managementu na obchodní výsledky daných strategií, protože právě money management je jednou z klíčových komponent úspěšné obchodní strategie. 12

Pro zvládnutí svých vytyčených cílů jsem musel použít různé kancelářské, technickoanalytické a statistické softwarové vybavení. Pro technickou analýzu jsem využíval Genesis Trade Navigator verzi Platinum od společnosti Genesis Financial Technologies. Jedná se o komplexní obchodní software, který umožňuje práci s nejrůznějšími technicko-analytickými nástroji a ve své nejvyšší řadě Platinum umožňuje i tvorbu vlastních obchodních strategií, jejich zpětné testování i reálné obchodování. Pro tvorbu komplexnějších a sofistikovanějších obchodních strategií jsem musel zvládnout specifický programovací jazyk Trade Sense. Tento programovací jazyk je oproti programovacím jazykům jiných obchodních softwarů uživatelsky docela přátelský, což bylo také jedním z důvodů, proč jsem pro technickou analýzu zvolil právě Genesis Trade Navigator. Data testovaných trhů jsem získal také od společnosti Genesis Financial Technologies, která disponuje rozsáhlou historií obchodních dat všech možných finančních instrumentů. Výsledky obchodních strategií jsem si zapisoval v programu Microsoft Excel, ve kterém jsem si výsledky také připravil pro další práci v programu Unistat. V programu Unistat jsem prováděl testování výše zmíněné hypotézy testem o dvou středních hodnotách ze závislých výběrů nebo Wilcoxonovým testem, podle toho, zda se u rozdělení zisků a ztrát prokázalo normální nebo nenormálnní rozdělení. Výsledná textová podoba diplomové práce byla vypracována v programu Microsoft Word. Ilustrativní obrázky, které prokládají tuto diplomovou práci, byly pořízeny screen shoty z programu Genesis Trade Navigator a poté upraveny a zmenšeny v Microsoft Picture Manager.

13

4

TECHNICKÁ ANALÝZA Cílem této kapitoly je popsat základní metody technické analýzy, které se při obchodování

na finančních trzích používají. Budou zde popsány hlavní typy používaných grafů pro zobrazení vývoje cen, Dow teorie určení trendu, reverzní a konsolidační grafické formace a indikátory, používané k určení budoucího vývoje ceny.

4.1 Grafické metody technické analýzy V moderní technické analýze rozeznáváme několik typů grafů. K nejznámějším a nejpoužívanějším patří sloupcový a svíčkový graf, ale používají se i volume grafy, grafy point & figure, kagi, rangebars nebo renko grafy. Každý technický graf je reprezentován cenou na ose y a, v případě nejpoužívanějších grafů, časovým obdobím na ose x. Jednotlivé grafy pak obsahují různé grafické formace, které zdůrazňují pohyby cen cenných papírů. Tyto grafické formace mohou být ve tvaru různě velkých čárek, svíček, koleček, křížků, obdélníků, čtverečků apod. 4.1.1 Sloupcový graf V klasickém sloupcovém grafu nalezneme množství sloupců, ilustrujících nabídku a poptávku po cenných papírech. Každý sloupec je charakterizován čtyřmi cenami: • Open – cena, za kterou se v daný den otevírá trh. • High – nejvyšší cena, kterou kupci během dne dosáhli. • Low – nejnižší cena, kterou prodejci během dne dosáhli. • Close – cena, za kterou se uskutečnil poslední obchod dne. Za nejdůležitější cenu dne se považuje cena close, za tuto cenu obvykle obchodují profesionálové s velkými penězi, kteří moc dobře vědí, kolik za daný cenný papír zaplatit. Během posledních třiceti minut obchodního dne dosahuje často objem obchodů mnoha cenných papírů více, než byl objem obchodů celého dne. Close cena většinou také slouží k určování vlastních vstupních a prodejních signálů pro tisíce obchodních systémů a strategií a pro vypořádání zůstatků na klientských účtech. Postavení close ceny obchodníkům napoví, která strana trhu měla v daném časovém období kontrolu nad vývojem cen a kterým směrem se cena s největší pravděpodobností v budoucnu vydá. 14

Vzájemné postavení open a close cen poskytne obchodníkům podrobný náhled na skutečný rozdíl mezi nabídkou a poptávkou po daných cenných papírech. Všeobecně platí, že jakmile je cena close pod cenou open po skončení daného časového období, strana prodejců byla silnější. Naopak pokud je cena close po skončení daného časového období nad cenou open, kupci byli silnější stranou. Pokud jsou open a close ceny téměř stejné, značí to, že na trhu vládla nejistota (Turek 2006). 4.1.2 Svíčkový graf Svíčkové grafy neobsahují jiné informace než klasické sloupcové grafy, ale jsou o mnoho přehlednější. Hned na první pohled analytik vidí, která strana trhu měla v daném okamžiku na vrh. Tělo svíčky, tvořené rozpětím mezi otevírací a uzavírací cenou, má totiž např. bílou barvu, pokud šla cena nahoru a černou barvu pokud šla cena dolů. Vzdálenost mezi nejvyšší resp. nejnižší cenou a tělem svíčky je zobrazena jako tenká čára, které se říká knot, někdy také stín svíčky. Svíčkové grafy byly vymyšleny v Japonsku, dávno předtím, než se začaly používat k zobrazování průběhu cen na burzách. Druhou výhodou svíčkových grafů oproti klasickým sloupcovým grafům jsou snáze čitelné nejrůznější patterny, tj. vzájemné postavení několika po sobě jdoucích svíček. Tyto patterny potvrzují stávající trend, nebo naopak předznamenávají jeho obrat. Těchto patternů však za tu dobu, co svíčkové grafy existují, bylo vymyšleno tak velké množství, že může kde komu připadat, že snad popisují veškeré situace, které mohou v grafu nastat.

4.2 Dow teorie a určení trendu Dow teorie je společná práce Charlese Dowa, Williama Hamiltona a Roberta Rhea, která položila základy dnešní technické analýze. Charles Dow byl první editor známého deníku Wall Street Journal a také objevitel světoznámého tržního akciového průměru Dow Jones Average. Dow sestrojil tržní akciový průměr, protože si všiml, že většina akcií se pohybuje společně vždy nahoru nebo dolů. Vzal tedy několik akcií, udělal z jejich cen průměr a výsledkem byla jedna jediná hodnota, která zobrazovala vývoj celého trhu. S pomocí této hodnoty Dow objevil, že ceny akcií se mění dříve, než na veřejnost dorazí zprávy, které by teoreticky měly zapříčinit pohyb cen nahoru nebo dolů. Tyto poznatky využíval Dow k předvídání změn ve skutečné ekonomice a také k analýze a obchodování jednotlivých akcií. Hamilton byl novinář a protože Dow své myšlenky nechtěl příliš publikovat, spisovatelské práce se ujal Hamilton a o něco později pak také Rhea. Byl to právě Rhea, který sestavil Dowovu a Hamiltonovu práci do dnes známé podoby Dow teorie. Základní myšlenkou Dow teorie je určení trendu (Turek 2006).

15

Důležitými pojmy Dow teorie při určování trendu jsou: • Peak – nejvyšší bod skupiny svíček, který je následován prudkým sestupem cen. • Trough – nejnižší bod skupiny svíček, který je následován prudkým růstem cen. • Higher peak – nejvyšší bod skupiny svíček, který je vyšší než předchozí nejvyšší peak. • Higher trough – nejnižší bod skupiny svíček, který je vyšší než předchozí nejnižší trough. • Lower peak – nejvyšší bod skupiny svíček, který je nižší než předchozí nejnižší peak. • Lower trough – nejnižší bod skupiny svíček, který je nižší než předchozí nejnižší trough.

4.2.1 Určení trendu Uptrend, nebo-li býčí trend nastává, jakmile ceny tvoří „higher trough“ a poté „higher peak“. Tento trend trvá až do doby, než ceny vytvoří „lower peak“ a „lower trough“. V tuto chvíli se trend mění na downtrend. Důležité je, že každý nový peak a trough slouží k potvrzení pokračování resp. změny trendu. Tedy nový peak potvrzuje vždy poslední trough a nový trough potvrzuje vždy poslední peak. Z toho vyplývá, že o novém peaku si nemůžeme být nikdy jisti dříve, než je vytvořen nový trough a naopak pro jistý nový trough musíme nejdříve vidět nový peak. Vše je názorně ukázáno na grafu č. 1. Obrázek 1: Určení trendu pomocí Dow teorie.

16

Zdroj: Práce autora v Genesis trade navigator.

Downtrend, nebo-li medvědí trend, nastává, jakmile ceny vytvoří „lower peak“ a poté „lower trough“. Tento trend trvá až do doby, než ceny vytvoří „higher trough“ a „higher peak“. V tuto chvíli se trend změní na uptrend. Opět platí, že každý nový trough a peak slouží k potvrzení pokračování resp. změny trendu (Turek 2006). Na výše uvedeném grafu je dobře vidět vzájemné potvrzování jednotlivých peak a trough. Na počátku dlouhého rostoucího trendu se po utvoření higher trough vytvořilo lower peak, které však nebylo potvrzeno novým lower trough a ke změně trendu tedy nedošlo. K obratu trendu došlo až mnohem později, kdy bylo lower trough potvrzeno novým lower peak a nastal downtrend.

4.3 Grafické formace 4.3.1 Support, resistance a trendová čára Hodnoty support a resistance patří k nejdůležitějším hodnotám technické analýzy. Support hodnota se konstruuje jako horizontální čára na úrovni ceny, u které např. akcie v minulosti výrazně zbrzdila nebo úplně zastavila svůj pokles, popřípadě se na dané ceně obrátila a začala růst. Hodnota resistance se naopak určuje podle ceny, na které akcie v minulosti zbrzdila nebo úplně zastavila svůj růst, popřípadě se na této ceně obrátila a začala klesat. Obrázek 2: Support úroveň.

Zdroj: Práce autora v Genesis trade navigator.

Důvodem, proč tyto hodnoty fungují, je psychologie účastníků trhu. Ti totiž mají tendenci kupovat a prodávat cenné papíry, komodity nebo cokoliv jiného, obchodovaného na finančním 17

trhu, na základě cen z minulosti. Tyto úrovně se tedy v budoucnosti často opakují a dají se využít pro vstup nebo výstup z obchodu se zvýšenou pravděpodobností úspěchu. Trendové čáry slouží jako psychologické bariéry mezi kupci a prodejci a zakreslují se do grafu vývoje ceny pouze tehdy, pokud je trh v rostoucím nebo klesajícím trendu. Platné trendové čáry pak spojují nejnižší ceny rostoucího trendu, nebo nejvyšší ceny klesajícího trendu, od kterých se cena odráží zpět do směru hlavního trendu. Trendová čára je považována za platnou, pokud jí cena respektuje alespoň třemi dotyky. Jakmile však cena prorazí platnou trendovou čáru, je to náznak obratu trendu. Obecně platí, že čím vícekrát cena respektuje platnou trendovou čáru, tím větší je pravděpodobnost, že v budoucnu ji bude respektovat znovu (Turek 2006). 4.3.2 Reverzní formace Tento druh formací je využíván k identifikaci trendových změn. Vznikají v okamžiku, kdy se podstatně mění vývojový trend ceny a jsou podle technických analytiků neklamnou předzvěstí jeho zásadní změny. Základními reverzními formacemi, které vznikají velmi často a během krátkého časového období, jsou formace vrchol a dno, ale vzhledem ke svému častému výskytu jsou prakticky nepoužitelné. Jsou však často součástí jiných, složitějších formací (Rejnuš 2004). 4.3.2.1 Dvojitý vrchol a dvojité dno Mezi důležitější reverzní formace patří formace dvojitý vrchol a dvojité dno. Dvojité vrcholy jsou v podstatě dva po sobě jdoucí vrcholy, které jsou na stejné cenové hladině. Naopak dvojité dno jsou dvě po sobě jdoucí dna, která zakončila svůj pokles na stejné cenové hladině. Dvojité vrcholy a dvojitá dna se na grafech vyskytují poměrně často, ve všech možných časových pásmech. Dají se tedy s úspěchem využít jak pro intradenní, tak pro poziční obchodování. Jelikož se jedná o reverzní formaci, při které se mění stávající trend na opačný, je největší pravděpodobnost, že formace vyjde tehdy, pokud jí předchází zřetelný trend. Dalším prvkem, který může platnost formace ještě posílit, je vytvoření otočného svíčkového patternu, např. doji nebo engulfing, v rámci formace dvojitého vrcholu nebo dvojitého dna (Turek 2006). 4.3.2.2 Hlava a ramena Formace hlava a ramena patří mezi nejznámější a největší formace obratu trendu, se kterými se v technické analýze můžeme setkat. Tato formace se vyskytuje na vrcholech i dnech trendů. Formace obsahuje vrchol (hlavu), oddělený dvěma menšími vrcholy (rameny), které 18

nemusejí být co do tvaru identická. První rameno je pokračováním býčího trendu a druhé rameno už je předzvěstí trendu medvědího. Formace je dokončena, pokud cena poklesne pod tzv. neckline, což je čára zakreslená skrze poslední dvě dna před a po nejvyšším vrcholu, což je zároveň signál ke vstupu do krátké pozice. Stejně se obchoduje formace hlava a ramena při obratu klesajícího trendu na trend rostoucí, jediný rozdíl je v tom, že formace vypadá obráceně. Hlavu tvoří nejnižší dno a ramena dvě vyšší dna. Vstup do dlouhé pozice nastává v okamžiku, kdy cena prorazí neckline směrem nahoru. Cílová cena pro ukončení pozice nebo výběr částečných zisků se stanovuje jako vertikální vzdálenost mezi neckline a vrcholem resp. dnem hlavy. V praxi se občas stává, že neckline není úplně vodorovná, jak je tomu v ideálním případě, ale naopak někdy je rostoucí a jindy zase klesající. Při určování obratu rostoucího trendu je třeba mít se na pozoru, pokud neckline roste a dojde tak k dokončení formace ještě dříve, než dojde k prolomení trendu. V tomto případě je trh ještě velmi silný a tak se dá očekávat, že formace bude neplatná. Naopak při určování obratu klesajícího trendu je třeba dbát zvýšené opatrnosti, pokud je neckline klesající, protože v takovém případě také zpravidla dojde k dokončení formace dříve, než dojde k prolomení trendu a formace může být neplatná. Úplně obráceně se má situace při určování obratu rostoucího trendu, pokud je neckline klesající a trend se prolomí ještě dříve, než dojde k dokončení formace. V tomto případě můžeme očekávat ostrý obrat trendu a tudíž i kvalitní formaci. Stejně tak při určování obratu klesajícího trendu a rostoucí neckline (Turek 2006). 4.3.2.3 Obdélník Obdélníky mají v technické analýze dvojitou roli, protože se mohou objevit jak při obratu trendu, tak při jeho pokračování. Při pokračování trendu se zpravidla vytváří během krátkého časového intervalu a v poměrně malém cenovém rozpětí, podobně jako třeba vlajky nebo praporky, o kterých budu psát později. Naopak při obratu trendu mohou být podstatně větší a mohou se tvořit v poměrně dlouhém časovém intervalu. Obdélníky vznikají tak, že se v silném trendu vytvoří ohraničené cenové rozpětí, kde můžeme nakreslit vodorovné čáry skrz vysoké a nízké ceny. Formace je pak dokončena jako pokračující, pokud cena prolomí vodorovnou čáru ve směru původního trendu. Naopak pokud cena prolomí vodorovnou čáru v opačném směru, než byl původní trend, je formace dokončena jako obratová. 19

Pravidla pro obchodování pomocí obdélníků jsou následující. Pokud je formace v rostoucím trendu dokončena jako pokračující, otevřeme dlouhou pozici po proražení horní hrany obdélníku a příkaz stop loss umístíme těsně pod spodní hranu obdélníku. Pokud je formace v klesajícím trendu dokončena jako pokračující, otevřeme krátkou pozici po proražení spodní hrany obdélníku a příkaz stop loss umístíme těsně nad horní hranu obdélníku. Pro případ že se formace dokončí jako obratová, jsou pravidla pro obchodování analogická jako v předchozích případech. Je také možné přidat ještě jednu pozici poté, co cena udělá tzv. pullback k hraně obdélníku, kterou prorazila. Stop loss se v tomto případě umisťuje těsně nad resp. pod tuto hranu. 4.3.3 Konsolidační formace Tento druh formací signalizuje pokračování původního trendu do budoucna, přičemž se vyskytují na trzích s trendem, kde trend krátkodobě nepokračuje v nastoupeném směru. Většinu těchto formací lze charakterizovat jako postranní horizontální pohyb ceny, kterým je dočasně přerušen její růst resp. pokles (Rejnuš 2004). 4.3.3.1 Trojúhelníkové formace V technické analýze rozeznáváme tři druhy trojúhelníků, vzestupující, sestupující a symetrické. Jejich analýza je téměř shodná, pouze se mění tvar a velikost jednotlivých stran. Právě tvar a velikost stran spolu s umístěním trojúhelníku na cenovém grafu má rozhodující význam v tom, zda-li se jedná o formaci pokračující nebo obratovou. Vzestupující trojúhelník vzniká jako obchodní rozpětí, se stejnými vysokými a neustále vzrůstajícími nízkými cenami. Může se objevit jak v rostoucím trendu, tak v trendu klesajícím, ovšem v rostoucím trendu je to většinou pokračující formace a v klesajícím trendu naopak silná formace obratu trendu. Silná formace je to díky tomu, že neustále vzrůstající nízké ceny indikují rostoucí zájem ze strany kupců a ochabování síly prodejců. Sestupující trojúhelník vzniká jako obchodní rozpětí se stejnými nízkými a neustále klesajícími vysokými cenami. Opět se může objevit jak v rostoucím trendu, tak v trendu klesajícím, ovšem v klesajícím trendu je to většinou klesající formace a v rostoucím trendu naopak silná formace obratu trendu. Silná formace je to díky tomu, že neustále klesající vysoké ceny indikují sílící převahu prodejců a ochabování síly kupců. Symetrický trojúhelník vzniká jako obchodní rozpětí s nižšími vysokými a vyššími nízkými cenami. Může se objevit jak v rostoucím trendu, tak v trendu klesajícím a může naznačovat jak pokračování, tak obrat stávajícího trendu. To, jestli se jedná o formaci 20

pokračující nebo obratovou, rozhodne až směr prolomení ceny. Jakmile tedy v rostoucím trendu cena prolomí horní hranu trojúhelníku, jedná se o pokračování trendu, naopak prolomí-li spodní hranu, jedná se o obratovou formaci. Pro klesající trend platí stejná pravidla, pouze se vymění prolomené hrany trojúhelníku. Obrázek 3: Konsolidační formace symetrický trojúhelník.

Zdroj: Práce autora v Genesis trade navigator.

Obchodování pomocí trojúhelníků je velmi jednoduché a platí vždy stejná pravidla, ať už se jedná o formaci pokračující nebo obratovou. Obchod se otevírá ve směru proražení formace cenou ihned, jakmile k němu dojde a stop loss se umisťuje pod protilehlou stranu od protrhnutí formace (Turek 2006). 4.3.3.2 Vlajky Vlajky se tvoří ve velmi silných trendech, jako korekce stávajícího trendu. Formace je ohraničena dvěma rovnoběžkami, vedoucími přes vysoké a nízké ceny, se sklonem proti stávajícímu trendu. Většinou se utváří během několika málo úseček, které pokrývají pouze malý cenový rozsah. Formace je dokončena, pokud cena prolomí horní resp. spodní rovnoběžku ve směru původního trendu. Obchodování pomocí vlajek je velmi podobné obchodování pomocí trojúhelníků. V rostoucím trendu otevřeme dlouhou pozici po proražení rovnoběžky spojující vysoké ceny formace a stop loss umístíme těsně pod nejnižší cenu úsečky tvořící vlajku. V klesajícím trendu otevřeme krátkou pozici poté, co cena prorazí rovnoběžku vedoucí přes nízké ceny formace a příkaz stop loss umístíme těsně nad nejvyšší cenu úsečky tvořící formaci.

21

4.3.4 Mezery Na technických grafech se občas vyskytují mezery, které značí cenové rozpětí, ve kterém se neuskutečnil žádný obchod. Mezery se většinou vyskytují v rychle se pohybujících trzích, ve kterých se ceny mění velmi rychle, takovými trhy jsou například komodity. V závislosti na tom, kde se mezera objeví, rozeznáváme čtyři základní druhy mezer. 4.3.4.1 Běžná mezera Tento druh mezery se na grafech vyskytuje poměrně často a většinou vzniká v obchodním rozpětí, do strany se pohybujícího trhu. Tato mezera vyznačuje nezájem účastníků trhu a po objevení se v grafu se brzy zaplní. 4.3.4.2 Prolamující mezera Tyto mezery vznikají v okamžiku, kdy cena prolomí významnou support/ressistance úroveň a začne výrazně růst nebo klesat. Prolamující mezery jsou obvykle doprovázeny zvýšeným objemem obchodů, který slouží jako potvrzení nevyváženého rozdílu mezi nabídkou a poptávkou, většinou zůstávají nezaplněny a považují se za důležitý signál v začátcích nové trendové fáze. Obecně platí, že čím větší objem obchodů, tím větší je pravděpodobnost, že tato mezera zůstane nezaplněná. 4.3.4.3 Pokračující mezera V rozvinutých trendech ceny občas vytvářejí pokračující mezery, které předznamenávají pokračování stávajícího trendu. Pokračující mezery vznikají za nepříliš velkého objemu obchodů, což značí, že nejsou tak silné jako prolamující mezery. Ovšem s prolamující mezerou mají společné to, že většinou nedochází k jejich zaplnění. 4.3.4.4 Vyčerpaná mezera Vyčerpaná mezera se objevuje na koncích trendu, kdy se na trh dostanou objednávky investorů, kteří podlehli panice z vývoje cen a snažili se na poslední chvíli jít s trendem. Tato mezera se vyznačuje velmi malým objemem obchodů a většinou se okamžitě zaplní (Turek 2006). 4.3.5 Dílčí závěr V reálném obchodování se naprosto jasné a čisté formace vyskytují velmi zřídka a tak je analýza grafických formací značně subjektivní záležitostí. Jelikož neexistují konkrétní pravidla, jak přesně mají jednotlivé formace vypadat, tak někdy velmi záleží na fantazii analytika a jeho schopnosti si dané formace v grafu představit a včas je rozpoznat, protože pro jejich úspěšné obchodování je třeba formace v grafu identifikovat ještě před jejich dokončením. Nejméně 22

subjektivními formacemi jsou mezery, na jejichž základě je také postavena jedna ze strategií, kterou budu ve své práci testovat.

4.4 Indikátory Indikátory jsou velmi oblíbenou částí technické analýzy, ovšem hned na začátku je třeba podotknout, že až na výjimky vycházejí všechny indikátory z cen a vždy je tedy nutné vidět první cenu a až poté indikátor. Mnoho obchodníků hledá magický indikátor v domnění, že někde na světě existuje nějaká matematická genialita, která by s určitostí předpověděla budoucí pohyb ceny. Některé indikátory jsou dobré a některé horší, ovšem vždy pouze doplňují to, co už je na grafu vidět v podobě ceny. Hodně obchodníků využívá pouze vlastní cenové grafy bez jakýchkoliv indikátorů, nicméně občas není špatné indikátory použít jako přidanou hodnotu k základní technické analýze. Během uplynulých několika desítek let bylo vyvinuto stovky a stovky matematických indikátorů, kdy některé z nich znamenaly průlom v obchodování a další jsou pak jejich variace. V této části práce představíme a popíšeme ty nejdůležitější a nejpoužívanější. 4.4.1 Trend following indikátory Tyto indikátory slouží k rychlému určení trendu a to tak, že jednoduše zkalkulují data pomocí nějakého matematického vzorce a vytvoří křivku, jejíž směr, tvar, délka, hodnota a jiné parametry slouží ke zhodnocení kvality trendu. Trend following indikátory, jak už název napovídá, jsou vhodné pro trendové trhy. V netrendových trzích dávají špatné signály a dochází zde k mnoha ztrátovým obchodům (Turek 2006). 4.4.1.1 Klouzavé průměry Nejznámějšími a zdaleka nejpoužívanějšími trendovými indikátory jsou různé variace klouzavých průměrů. Klouzavé průměry slouží k vyhlazení prudkých výkyvů dat a napomáhají identifikovat rostoucí, resp. klesající trend. Obvykle se počítají ze zavíracích cen, ovšem občas se můžeme setkat s průměry vypočítanými z vysokých, nízkých nebo otevíracích cen popř. průměry počítanými z jiných indikátorů. Nevýhodou klouzavých průměrů je jejich zpoždění za aktuálním vývojem dat. Obecně se rozlišuje šest typů klouzavých průměrů: • Jednoduchý – obyčejný klouzavý aritmetický průměr posledních pozorování s délkou n a všechna pozorování mají stejnou váhu, takže indikátor nerespektuje stáří ani míru vlivu jednotlivých dat. 23

• Triangulární – dvakrát za sebou provedený jednoduchý klouzavý průměr a největší váhu mají data ležící uprostřed jeho délky. Směrem do minulosti i do přítomnosti váhy stejnou mírou klesají. • Vážený – klouzavý průměr s lineárním rozložením vah, kdy největší váhu mají současná data a směrem do minulosti váhy lineárně klesají. • Exponenciální – je formou váženého klouzavého průměru, ale váhy nejsou rozděleny lineárně, nýbrž exponenciálně. Největší váhu mají současná data a směrem do minulosti jejich váhy klesají. • Variabilní – je speciálním příkladem exponenciálního klouzavého průměru s dvěma vyrovnávacími konstantami, přičemž hodnota druhé vyrovnávací konstanty se mění v čase podle volatility ceny. Největší váhu mají součastná data, směrem do minulosti váhy exponenciálně klesají. • Klouzavá regrese – je svojí konstrukcí odlišná od předchozích klouzavých průměrů. Využívá klouzavého prokládání přímky posledními n pozorováními metodou nejmenších čtverců (Víšková 1997).

Použití jednoho klouzavého průměru Jedna křivka klouzavého průměru může být použita buď jako základní indikace směru trendu, nebo také jako velmi sofistikovaný indikátor pro filtraci správných obchodů. Základní použití jednoho klouzavého průměru spočívá v pozorování směru pohybu dané křivky. Jelikož je klouzavý průměr opožděný za cenou, tak pokud bude cena v uptrendu, bude nad svým klouzavým průměrem. Naopak bude-li cena v downtrendu, bude pod klouzavým průměrem. Z toho můžeme odvodit jednoduchá pravidla pro obchodování pomocí jednoho klouzavého průměru: • Jakmile cena překříží klouzavý průměr směrem nahoru, otevřeme long pozici. • Jakmile cena překříží klouzavý průměr směrem dolů, otevřeme short pozici (Turek 2006). Na grafu lze dobře vidět použití 34 denního exponenciálního klouzavého průměru v silném trendu a v pohybu do strany. Na začátku grafu bychom pomocí tohoto indikátoru zachytili silný rostoucí trend, poté by následovala série obchodů s menšími zisky či ztrátami a pak bychom

24

opět zachytili výraznější trend na stranu short. Zisk z těchto dvou obchodů by bohatě kompenzoval ztrátovou serii, která byla způsobena postranním pohybem ceny. Obrázek 4: Denní graf trhu zlata s použitím EMA 34.

Zdroj: Práce autora v Genesis trade navigator.

Všimněme si, že cena se během prvního silného uptrendu několikrát dostala pod klouzavý průměr. Přesněji řečeno ne cena, ale pouze výkyv jednotlivých sloupců. Z toho vyplývá, že bychom ceně v trendu měli dát trochu prostoru pro korekci, abychom nevystoupili z trhu předčasně. Všeobecně se dá říci, že bychom se měli držet trendu do té doby, dokud cena nezavře výrazně pod zvoleným klouzavým průměrem, tedy ne pouze výkyv. Použití dvou klouzavých průměrů Při používání dvou klouzavých průměrů máme v grafu zakresleny dvě křivky, z nichž jedna musí být pomalejší a druhá rychlejší. Za pomalý průměr bývá označován ten, jehož období pro výpočet je větší než 50 a je dále od ceny. Oproti tomu za rychlý průměr se považují průměry s obdobím menším než 15, a které jsou blíže k ceně. Signál ke vstupu do dlouhé pozice nastává tehdy, pokud rychlý klouzavý průměr překročí pomalý klouzavý průměr směrem nahoru. Naopak pokud rychlý klouzavý průměr překročí pomalý klouzavý průměr směrem dolů, je to signál ke vstupu do krátké pozice (Turek 2006).

25

4.4.1.2 Parabolic SAR Princip tohoto indikátoru spočívá ve sledování vývoje trendu a zároveň umisťování automatického trailing stopu. Součástí indikátoru jsou dvě funkce a těmi jsou čas a cena. Čas se projevuje tak, že indikátor se pohne i v případě, že cena zůstává statická. Naopak cenový faktor se projeví v závislosti na tom, jak moc cena vzroste, či poklesne. Použití tohoto indikátoru je permanentní, tedy jakmile indikátor signalizuje ukončení obchodu, zároveň signalizuje otočení trendu a vstup do opačné pozice. Pokud je trh v uptrendu, cena je výš než indikátor a hodnoty určující trailing stop se posouvají každý den výš, blíže k ceně. Pokud je trh v downtrendu, tak je cena pod indikátorem a hodnoty určující trailing stop se posouvají každý den níž, blíže k ceně. Hodnota trailing stopu značí v grafu místo kam se umísťuje příkaz stop loss pro následující den a k jeho aktivaci dojde, pokud cena klesne, resp. vzroste až na jeho úroveň. Použití indikátoru parabolic SAR pro umisťování příkazů stop loss je znázorněno na grafu. Obrázek 5: Posouvání příkazu Stop loss pomocí indikátoru Parabolic SAR.

Zdroj: Práce autora v Genesis trade navigator.

Stejně tak jako jakýkoliv jiný trendový indikátor i parabolic SAR bude vykazovat velmi dobré výsledky pokud bude trh trendovat, ale pokud bude trh v postranním pohybu, bude jeho použití ztrátové.

26

4.4.1.3 Bollinger bands Bollinger bands je indikátor, který patří do skupiny tzv. pásmové analýzy, ale vychází z klouzavých průměrů. Její princip spočívá v pohybu ceny vzhledem k určitému pásmu. Vystupují zde tři křivky. První je mean, který je středem pásma, zpravidla se konstruuje jako 20 denní klouzavý průměr close cen daného cenného papíru. Další dvě křivky vytvářejí pásmo okolo ceny cenného papíru, které je od meanu vzdáleno o dvě směrodatné odchylky. Šířka pásma se tedy mění v závislosti na volatilitě cenného papíru. Bollingerovo pásmo s tímto nastavením odpovídá 95% předpovědnímu intervalu za předpokladu konstantního trendu ceny a normality reziduí. Autor indikátoru John Bollinger poznamenává následující vlastnosti indikátoru: • Ostré cenové změny se obvykle objevují poté, co se pásmo zúžilo, tedy poté co se volatilita cenného papíru snížila. • Když se ceny pohybují vně pásma, znamená to pokračování trendu. • Cenová dna, resp. vrcholy, které nastaly vně pásma a předcházely jim cenová dna resp. vrcholy uvnitř pásma, předurčují zvrat v trendu. • Cenový pohyb, který vzniká na jedné z hranic pásma, má tendenci směřovat ke druhé hranici pásma (Víšková 1997). Obrázek 6: Použití Bollinger bands pro vstupy do obchodů.

Zdroj: Práce autora v Genesis trade navigator.

27

4.4.2 Oscilátory Skupina těchto indikátorů slouží k určení síly a rychlosti jakou se ceny pohybují. Jsou postaveny na principu, že síla pohybu může být změřena a díky tomu můžeme určit rychlost nebo směr cenové změny. Na rozdíl od trendových indikátorů jsou oscilátory tzv. leading indikátory, tedy dávají nám indikaci změny ceny předtím, než se stane. Zpravidla se nepoužívají pro trendové trhy, ale pro trhy v obchodním rozpětí, kde se cena pohybuje ze shora dolů a ze spodu nahoru, bez výrazného trendu. Dají se sice použít i v trendech, na určení jejich obratů, ale jejich hlavní využití je v obchodním rozpětí. 4.4.2.1 Momentum Momentum indikátor nám ukazuje tzv. překoupené a přeprodané hodnoty. Když si představíme klasický cenový pohyb do strany, tak cena začne růst u supportu a postupně roste až k resistenci. Zde se obrátí a zase klesá k supportu. Ve chvíli kdy se blíží cena k resistenci nám momentum indikátor pomůže určit, zda-li cena k resistenci opravdu vyleze nebo se obrátí ještě před jejím dosáhnutím. To samé platí i pro opačnou situaci, kdy cena postupně klesá k supportu. Využití momenta při obchodování trhů pohybujících se do strany je vcelku jednoduché. Při vzrůstu ceny roste také momentum a často signalizuje překoupenou pozici dříve, než se cena skutečně obrátí. Dalším způsobem využití tohoto indikátoru je hledání divergencí mezi cenou a momentem. Rozeznáváme dva druhy a tři třídy divergencí: • Býčí divergence – pro určení obratu downtrendu na uptrend. o Nejsilnější divergence – tato divergence vzniká, pokud cena tvoří lower low a indikátor tvoří higher low. o Prostřední divergence – tato divergence vzniká, pokud cena tvoří stejná low a indikátor tvoří higher low. o Nejslabší divergence – tato divergence vzniká, pokud cena tvoří lower low a indikátor tvoří stejná low. • Medvědí divergence – pro určení obratu uptrendu na downtrend. o Nejsilnější divergence – tato divergence vzniká, pokud cena tvoří higher high a indikátor tvoří lower high. o Prostřední divergence – tato divergence vzniká, pokud cena tvoří stejná high a indikátor tvoří lower high.

28

o Nejslabší divergence – tato divergence vzniká, pokud cena tvoří higher high a indikátor tvoří stejná high (Turek 2006).

4.4.2.2 RSI RSI je velmi populární momentový indikátor, který ukazuje překoupené a přeprodané hodnoty a lze jej použít k obchodování jak trendujících trhů, tak trhů pohybujících se do strany. Indikátor fluktuuje mezi hodnotou 0 a 100, což jsou jeho maximální hodnoty, ale hodnoty překoupené jsou standardně nad 70 a přeprodané hodnoty jsou pod 30. Tyto hodnoty si však každý obchodník může upravovat tak, jak jemu samotnému vyhovují nejlépe. Při změně standardních hodnot dojde k vyfiltrování mnoha obchodů, jak pozitivních, tak negativních. Pro každou fázi trhu je dobré použít jiné nastavení. Nejpoužívanější hodnoty v uptrendu jsou 80 a 40, v downtrendu 60 a 20 a v postranním pohybu standardních 70 a 30. Obrázek 7: Indikátor RSI a prekoupené a preprodane oblasti.

Zdroj: Práce autora v Genesis trade navigator.

Základní pravidla pro použití indikátoru RSI jsou: •

Pokud indikátor vyroste nad překoupenou hranici, otevřeme short pozici jakmile RSI klesne zpět pod tuto hranici.

29

•

Pokud indikátor klesne pod přeprodanou hranici, otevřeme pozici long, jakmile RSI vyroste zpět nad tuto hranici.

•

RSI lze použít i pro vyhledávání divergencí mezi vývojem ceny a křivkou indikátoru.

•

Na křivce RSI lze také hledat klasické grafické formace a konstruovat trendové čáry.

4.4.2.3 Stochastic Indikátor stochastic je indikátorem hybnosti, který porovnává umístění aktuální uzavírací ceny s nejnižší a nejvyšší cenou během sledovaného období. V rostoucím trendu totiž mají zavírací ceny tendenci být blíže k high a v klesajícím trendu zase k low. Indikátor se skládá ze dvou křivek, rychlé křivky, označované jako %K a pomalejší křivky, označované %D, která je klouzavým průměrem s periodou 3 křivky %K. Indikátor se pohybuje v intervalu 0 – 100, přičemž pokud indikátor nabývá větších hodnot než 80, značí to překoupený trh a naopak, pokud indikátor nabývá hodnot menších než 20, značí to přeprodaný trh. Obrázek 8: Vstup do krátké pozice dle indikátoru stochastic.

Zdroj: Práce autora v genesis trade navigator.

Základní použití indikátoru je velmi snadné, pokud rychlejší křivka %K protne pomalejší křivku %D směrem nahoru v přeprodané oblasti, je to signálem k otevření dlouhé pozice. 30

Signál pro otevření krátké pozice přichází tehdy, pokud rychlejší křivka protne pomalejší křivku směrem dolů v překoupené oblasti. Indikátor se dá využít i s konceptem divergencí, kdy signál k nákupu přichází tehdy, pokud cena a indikátor tvoří býčí divergenci a první propad indikátoru je v přeprodané oblasti. Signál pro otevření krátké pozice dostaneme, pokud cena a indikátor tvoří medvědí divergenci a první vrchol indikátoru je v překoupené oblasti. Indikátor nejlépe funguje na trzích, které se pohybují do strany nebo v mírném trendu, při silných trendech může setrvat v překoupených nebo přeprodaných oblastech velmi dlouho a dávat tak falešné nebo předčasné signály ke vstupu nebo výstupu z pozice. 4.4.2.4 MACD Tento indikátor je obecně považován za jeden z nejspolehlivějších indikátorů, využívajících technickou analýzu. Je tvořen odečtením hodnoty jednoho klouzavého průměru od druhého. Vypočítá se odečtením hodnoty dlouhodobého, zpravidla 25denního, exponenciálního klouzavého průměru od krátkodobého, obvykle 12denního, exponenciálního klouzavého průměru. MACD osciluje kolem hodnoty nula, podle změn trendu ceny, přičemž nulová linie představuje dlouhodobý klouzavý průměr. Rostoucí trend je zobrazen hodnotami indikátoru nad nulou, klesající trend hodnotami pod nulou. Do samostatného grafu oscilátoru je také zakreslena tzv. spouštěcí linie, která slouží ke generování obchodních signálů, přičemž je 9denním klouzavým průměrem. Nákupní signál je generován v okamžiku, kdy MACD vzroste nad svoji spouštěcí linii, prodejní signál v situaci opačné. Signály k nákupu nebo prodeji jsou tím silnější, čím je průsečík spouštěcí linie a křivky MACD více vzdálen od nulové čáry. Protnutí nulové linie se považuje za potvrzení trendu (Rejnuš 2004).

31

Obrázek 9: Vstup do krátké pozice a výstup dle signálu MACD.

Zdroj: Práce autora v Genesis trade navigator.

Indikátor MACD lze použít stejně, jako jakýkoliv jiný oscilátor, ke sledování divergencí mezi vývojem ceny a vývojem indikátoru. Signály MACD podpořené divergencí bývají zpravidla silnější. Z klasického

indikátoru

MACD

je

ještě

odvozen

jeden

indikátor,

nazývaný

MACD – Histogram. Histogram je v podstatě oscilátor klouzavého průměru sestrojeného ze dvou MACD křivek. Jeho využití je především v dřívějších signálech, než jaké dává klasický MACD indikátor. Jelikož klasický MACD indikátor se často opožďuje ve výstupních signálech, MACD – Histogram bývá pro tento případ lepší volbou. Lze jej použít i pro vstupy do obchodů, ovšem zde často indikuje předčasné vstupy. Pomocí MACD – Histogramu můžeme obchodovat tři základní signály: •

Překřížení nulové linky nahoru pro nákup a překřížení nulové linky dolů pro prodej.

•

Klasické divergence indikátoru a ceny.

•

Divergence mezi MACD a MACD – Histogramem (Turek 2006).

32

4.4.2.5 CCI CCI se řadí mezi momentové indikátory a jeho účelem je měřit aktuální směr a sílu trhu. Základní myšlenka indikátoru je poměrně jednoduchá, jde o grafické zobrazení vztahu mezi průměrnou cenou a klouzavým průměrem této ceny. Indikátor nám tedy říká, jestli se právě aktuální cena nachází nad nebo pod klouzavým průměrem své průměrné ceny. Tento vztah je pak graficky vyjadřován linkou indikátoru, která se pohybuje nad nulovou linkou, pokud převládá momentum trhu směrem nahoru nebo pod nulovou linkou, pokud převládá momentum trhu směrem dolů. Dalšími důležitými prvky indikátoru jsou linky s hodnotou +100 a -100. Tyto linky totiž udávají tzv. odchýlení od normálu. Obecně je totiž pravdou, že trhy trendují pouze přibližně 30 % času a po zbylých 70 % času se pohybují víceméně do strany nebo trendují jen velmi mírně. CCI se této skutečnosti snaží využívat a ukazovat nám, kdy se trh odchýlil od svého normálu, a tudíž s největší pravděpodobností právě přešel do fáze trendu. Právě tento stav trhu udávají linky +100 a -100. Pokud se indikátor nachází nad hodnotou +100, je to považováno za okamžik, kdy trh začal trendovat směrem nahoru a pokud se indikátor nachází pod hodnotou -100, je to považováno za okamžik, kdy trh začal trendovat směrem dolů. Čím výše nad hodnotou +100 nebo čím níže pod hodnotou -100 se indikátor nachází, tím více je trh tzv. v extrému. Pokud se indikátor nachází na úrovni kolem +/-300, je trh již ve velmi silném extrému a je velmi vysoká pravděpodobnost, že je již trh daným směrem vyčerpán a každou chvíli nastane korekce. Indikátor CCI se nejčastěji používá s periodou 14 nebo 20 a při správném čtení nám prakticky říká vše důležité, tj. jaký směr aktuálně vykazuje momentum trhu, zda se právě nenacházíme ve fázi, kdy trhy začaly s největší pravděpodobností trendovat, a zda právě ve směru trendu a hlavního směru momenta trhu neprobíhá korekce (Nesnídal, Podhajský 2008). 4.4.3 Objemové indikátory Objem obchodů je nezbytnou informací pro technickou analýzu. Nejenže jej využívá řada samostatných objemových indikátorů, ale je podstatný též pro výklad signálů u řady cenových indikátorů. Objem obchodů nám potvrzuje sílu převládající strany trhu a pomáhá rozlišit jednotlivé fáze trhu. Bez informací o objemu obchodů by informace pro technickou analýzu nebyly kompletní.

33

4.4.3.1 Volume Volume se nejčastěji udává jako množství cenných papírů, se kterými se obchodovalo v určitém časovém období. Občas se může volume zobrazovat i jako celková hodnota všech zobchodovaných cenných papírů za určité časové období. Tento druhý případ se používá především pro tržní indexy. Hlavní funkcí objemu obchodů je potvrzení cenových signálů. Jakmile je tedy jedna strana výrazně silnější, než druhá, objem obchodů stoupá. Pokud se cena pohybuje v trendu, volume se často zvýší ve směru trendu a jakmile dochází ke korekci proti stávajícímu trendu, volume by mělo být nižší. Všeobecně platí, že jakmile se při výrazném pohybu ceny volume moc nezmění, napovídá to, že tento výrazný cenový pohyb není doprovázen přílišným optimismem ze strany, která má za následek tento pohyb. Pro potvrzení trendu by tedy mělo volume vzrůstat, pokud totiž nevzrůstá, předznamenává to nezájem. Obrázek 10: Potvrzení dokončené formace zvýšeným objemem obchodů.

Zdroj: Práce autora v Genesis trade navigator.

Jakmile tedy volume potvrdí proražení supportu, či rezistence z obchodního rozpětí nebo grafické formace, dá se očekávat, že toto proražení bude silné a platné. Pokud ovšem cena prorazí obchodní rozpětí a volume toto proražení nepotvrdí, pohyb ceny je pravděpodobně falešný a nebude mít dlouhého trvání (Turek 2006). 34

4.4.3.2 On balance volume Indikátor OBV spojuje objem obchodů se změnou ceny a je jedním z nejpoužívanějších objemových indikátorů. Základním předpokladem je to, že pohyb ceny bez potvrzení objemu obchodů naznačuje nezájem účastníků trhu o současné cenové hodnoty. Vlastní hodnota OBV však není důležitá, důležitý je směr a síla jeho vývoje. Směr a vývoj indikátoru často předchází vývoj samotné ceny. Jako důvod se uvádí, že s rostoucím OBV vstupují na trh jako první tzv. smart money za účelem nákupu daného cenného papíru. Brzy na to začne nakupovat i veřejnost a tak nadále roste nejen OBV, ale i cena. Všeobecně pak platí, že pokud je cena i indikátor v souladu, rostoucí pro uptrend a klesající pro downtrend, bude tento trend pokračovat. Naopak pokud cena např. pokračuje v růstu, ale OBV ne, uptrend se pravděpodobně brzy změní na downtrend nebo boční trend. Obrázek 11: Konec rostoucího a začátek klesajícího trendu signalizovaný OBV.

Zdroj: Práce autora v Genesis trade navigator.

4.4.3.3 Accumulation/distribution Indikátor Accumulation/distribution vznikl úpravou předchozího OBV. Stejně jako předchozí indikátor používá pro svůj výpočet jak objem obchodů, tak změnu ceny. Objem obchodů při výpočtu A/D slouží jako vážící koeficient cenové změny v daném časovém intervalu. Čím větší tedy bude objem obchodů, tím větší vliv bude mít cenová změna na hodnotu tohoto indikátoru. Indikátor ukazuje, zda právě probíhá akumulace nebo distribuce, tj. zda peníze přitékají do daného aktiva nebo jestli z něho naopak odtékají. Rostoucí křivka pak představuje akumulaci a klesající distribuci. 35

4.4.4 Dílčí závěr Indikátory patří mezi velmi oblíbené nástroje technické analýzy. Existuje jich velké množství a každý obchodník si tak může najít takový indikátor, který nejlépe vyhovuje jeho obchodnímu stylu. Velkou výhodou indikátorů je především existence jasně definovaných pravidel pro jejich použití a s tím související zřejmost obchodních signálů. Technická analýza pomocí indikátorů odstraňuje hlavní nedostatek analýzy grafických formací, kterým je značná subjektivita jejich identifikace v grafu. Pro ověření jejich funkčnosti jsem ve vlastní práci podrobil testu pět vybraných indikátorů.

36

5

MONEY MANAGEMENT Cílem této kapitoly je popsat základní nástroje, které se při obchodování na finančních

trzích používají ke kontrole rizika a k rozhodování o velikosti otevírané pozice. Bude zde prakticky popsáno kdy a kam umisťovat ochranný příkaz stop loss, jak velké riziko podstoupit při jednotlivých obchodech a jak stanovit optimální hodnoty příkazu stop loss a profit target dle analýzy MAE/MFE. Ve druhé části této kapitoly bude popsáno 5 různých přístupů k rozhodování o tom jak velkou pozici otevřít v příštím obchodě. Zcela základní a nejjednodušší formou money managementu je vyhledávání takových obchodů, ve kterých je potenciál zisku vyšší, než potenciál risku a dále pak dodržování pravidla, neriskovat na jeden obchod více jak 3 – 5 % našeho obchodního účtu. Ve vyspělém světě zralých a zkušených obchodníků se však pod pojmem money management skrývá ještě něco trochu jiného. Pokud se zeptáte profesionálního, zkušeného obchodníka co je to money management, pravděpodobně vám odpoví toto: Money management je ta část obchodního systému, která nám říká, kolik svého spekulativního kapitálu bychom měli v daný moment riskovat, resp. kolik si můžeme dovolit riskovat. Ve světě profesionálního obchodování je otázka „kolik riskovat“ a „kolik otevřít pozic“ naprosto zásadní a každý trader by se takovouto myšlenkou měl začít zabývat v momentě, kdy má vytvořený třeba i zcela jednoduchý obchodní systém, který mu dokáže nadělovat profity. Pokud totiž k takovému systému přidáme vhodný money management, zisky se mohou začít rozrůstat raketovým tempem.

5.1 Risk management Trading má mnoho podob a každý obchodník používá pro obchodování vlastní nástroje a přístupy, které se mohou často od nástrojů ostatních obchodníků výrazně lišit, nebo mohou dokonce pracovat na zcela opačném přístupu. Přesto existuje jeden prvek, který musí ctít všichni, kteří chtějí na burze uspět. Tímto prvkem je kontrola rizika, resp. risk management. Pravidla pro kontrolu rizika obchodníky z bezpečnostních důvodů velmi často omezují. Často říkají, že nemohou obchodovat příliš agresivně, že v určitých situacích musí zůstat stát mimo trh a vůbec neobchodovat nebo že někdy musí dokonce uzavřít pozici ve ztrátě. Tyto pravidla svým způsobem omezují ziskový potenciál, ale na druhou stranu činí obchodování bezpečnější. 37

Podstatou řízení rizika v tradingu je vyhnout se potenciálním výjimečně obrovským ztrátám na našem obchodním účtu, které dokážou na dlouhou dobu ochromit nejen psychiku obchodníka, ale často i jeho schopnost obchodovat stejným způsobem jako dříve. Ztráty jsou nedílnou součástí jakékoliv burzovní spekulace, pokud se nám však podaří odfiltrovat ony výjimečně obrovské ztráty, zbudou nám pouze: •

malé ztráty,

•

malé zisky a

•

občasné velké zisky.

Abychom eliminovali velké ztráty, musíme používat risk management, tj. musíme na obchod riskovat jen určitou část účtu, musíme vědět, kdy obchod opustit, protože se nepovedl a můžeme jej zatím uzavřít, dokud je ztráta vůči našemu účtu ještě malá [13]. 5.1.1 Stop loss a profit target Abychom předešli oněm velkým ztrátám, o kterých jsme psali výše, nebo je alespoň omezili na minimum, je nezbytné používat stop loss a navíc správným způsobem. Stop loss je předem definovaná krajní hranice, při které dobrovolně inkasujeme malou ztrátu dříve, než se rozroste do ztráty obří. Pokud bychom obchodovali bez stop lossu, vystavovali bychom se možnosti teoreticky neomezené ztráty. Naopak pokud budeme používat stop loss, budeme sice tu a tam inkasovat drobné ztráty, nikdy však takové, které by nás mohli finančně zruinovat. Stop loss je tedy základní ochrana proti finančnímu krachu při obchodování na burze. Stop loss je třeba do trhu umisťovat s ohledem na obchodovanou formaci nebo typ vstupu. Pokud se naše pozice uzavře stop lossem, pak je to jen důkaz toho, že vstupní formace nebyla platná a v obchodu bychom nechtěli setrvat tak jako tak. Je to velký rozdíl oproti tomu, když vstupujeme do trhu s fixním stop lossem o určité velikosti, který se jen tak někam umístí. Takový stop loss trh mnohem snadněji zasáhne nějakou minikorekcí a pak pokračuje dál původně plánovaným směrem. Obchoduji-li například formace dvojitý vrchol a dvojité dno, je ideálním místem pro umístění stop lossu oblast nad, resp. pod formací, protože pokud trh takový stop loss zasáhne, formace je z principu porušena a tak přestává mít daný obchod opodstatnění.

38

Obrázek 12: Zjednodušená formace dvojitý vrchol a umístění stop lossu.

Zdroj: www.financnik.cz

Dalším příkladem může být obchodování do trendu se vstupy na korekcích. Na tomto principu je založena spousta obchodních systémů a různých vstupních patternů. Pokud vstupujeme do trendu na korekcích, dává největší smysl umístění stop lossu nad resp. pod swing, na kterém do trhu vstupujeme. Pokud cena swing překoná, je často přerušen trend a tak bychom chtěli z pozice stejně vystoupit. Obrázek 13: Umístění stop lossu v uptrendu pod vstupní swing.

Zdroj: www.financnik.cz

Uvedený koncept umisťování stop lossů umožňuje v trhu bezpečně přestát většinu „šumu“ a výrazně si tak zvýšit úspěšnost obchodního systému. Dalším pozitivním dopadem tohoto konceptu je pozitivní vliv na psychiku obchodníka, protože zasažení stop lossu se neděje pouze „náhodným šumem“, ale zásadní změnou v trhu, na kterou by obchodník musel tak jako tak reagovat. Stop loss je však třeba do trhu umisťovat i s ohledem na velikost obchodního účtu. Znamená to tedy, že se musíme snažit najít logickou zónu pro umístění stop lossu, ale zároveň nesmí být stop loss příliš veliký, abychom na jednom obchodě neztratili velkou část účtu. 39

V praxi se běžně stává, že obdržíme signál pro vstup do trhu, ale logická zóna pro umístění stop lossu je vzhledem k velikosti našeho účtu od našeho vstupu vzdálená příliš daleko. V takovém případě je třeba použít buď limitní příkaz pro vstup s ohledem na to, aby byl stop loss umístěn v logické zóně nebo obchod vypustit, pokud nám stop loss nestačí. Běžnou praxí je, riskovat maximálně 2 – 5 % účtu na obchod. Pokud tedy budeme riskovat 5 % účtu na jeden obchod, museli bychom 20 krát po sobě prodělat a obchod uzavírat až na stop lossu na to, abychom přišli o všechen kapitál. To však není příliš pravděpodobné, pokud jsme poctivě backtestovali a trénovali náš systém, udělali si představu o jeho funkčnosti, poměru zisku a ztrát, drawdownu a nejdelší ztrátové sérii v historii. Pokud máme například systém s úspěšností 40 %, pak víme, že z našich 20 obchodů by nám mělo ideálně 8 obchodů vydělat, a pokud těchto 8 obchodů vydělá více, než kolik ztratí zbylých 12, není jediný důvod, proč bychom měli náš kapitál ztratit. Velmi robustním nástrojem pro určování velikosti statisticky nejvýhodnějšího fixního stop lossu a profit targetu je MAE/MFE analýza. 5.1.2 MAE a MFE analýza Zkratky MAE a MFE vychází z anglického Maximum Adverse Excursion a Maximum Favorable Excursion. Po přeložení do češtiny tedy MAE znamená maximální nepříznivá výchylka a MFE maximální příznivá výchylka. Při analýze MAE/MFE si zaznamenáváme hodnoty těchto maximálních výchylek při každém uskutečněném obchodu a poté analyzujeme, jaká úroveň stop lossu a profit targetu by byla pro náš obchodní systém nejvhodnější. Důležité je, pokud se náš obchodní systém skládá z více patternů, analyzovat každý pattern zvlášť, protože každý může vstupovat do trhu v jiné situaci. To samé platí i pro různé trhy, protože každý trh se chová trochu jinak. Začneme analýzou MFE, jejíž pomocí získáváme informaci o tom, jakého maximálního zisku v daném obchodě bylo možno dosáhnout, a využíváme ji pro stanovení optimálního profit targetu pro daný pattern. Ručně bychom tuto analýzu prováděli tak, že bychom postupně procházeli všechny historické obchody uskutečněné s daným patternem a zapisovali si hodnotu maximální příznivé výchylky, která během obchodu nastala. Toto může být poměrně zdlouhavé, ale naštěstí některé pokročilejší analytické programy udělají tuto práci při zpětném testování za nás. Tímto však práce nekončí, ale naopak teprve začíná. Nyní tato data musíme zpracovat tak, abychom zjistili, jakého profitu trh dosahoval nejčastěji. To provedeme tak, že si stanovíme hodnoty hypotetických profit targetů např. 100 – 1000 USD, po stupních třeba 50 40

nebo 100 USD a poté zjišťujeme četnosti, kolikrát byla daná úroveň profit targetu trhem zasažena. Pokud nám pak například vyjde, při analyzování 100 USD profit targetu, číslo 400 a celkový vzorek osahoval 500 obchodů, pak to znamená, že vstup na základě daného patternu s 80% pravděpodobností dosahuje zisku alespoň 100 USD. Tímto způsobem získáme jasnou představu o tom, s jakou četností v testovaném vzorku obchodů dosahoval trh jednotlivé úrovně zisku. Na závěr už je jen třeba získané výsledky analyzovat tak, abychom z nich byli schopni určit, který profit target pro své obchody použít. Tato část analýzy je patrně nejnáročnější, protože neexistuje nějaké konkrétní, jednoduché pravidlo, podle kterého postupovat, protože každému obchodníkovi vyhovuje něco jiného. Všeobecně platí, že čím vyšší bude nastavena hodnota profit targetu, tím nižší bude četnost jeho dosažení, což může postupně vést k podlamování psychiky obchodníka a myšlence, že má profit target v trhu úplně zbytečně. Proto je třeba jeho úroveň zvolit s ohledem na obchodní styl, někdo totiž raději obchoduje pro vyšší profity i za cenu nižší úspěšnosti a někdo zase naopak má raději nižší profity, ale s vyšší úspěšností. Z hlediska výběru optimálního profit targetu však musí být dodrženo jedno bezpečnostní pravidlo, které brání přílišné přeoptimalizaci. Tímto pravidlem je, že i dvě nejbližší hodnoty kolem vybraného profit targetu, by měly vykazovat podobné procento úspěšnosti, jako zvolený profit target. Pokud nám například tato analýza říká, že pravděpodobnost dosažení profit targetu 300 USD je 55 %, pak by mělo být podobné úspěšnosti dosaženo s hodnotami profit targetu 290 a 310 USD. Analýza MAE je prakticky totéž, akorát se s její pomocí sleduje maximální nepříznivá výchylka a na základě výsledků se stanovuje optimální stop loss. Drtivá většina obchodů se totiž nerozjede plánovaným směrem ihned po vstupu, ale trh ještě předtím jde o nějakou hodnotu proti naší otevřené pozici, čímž se dostáváme do tzv. otevřené ztráty. Účelem analýzy MAE je vyhodnotit nejčastější úrovně této otevřené ztráty a poté najít ideální stop loss, který nás ochrání od velkých ztrát, ale zároveň také nejčastěji podrží v ziskovém obchodě (Nesnídal, Podhajský 2008).

41

5.2 Position sizing Tato část money managementu, jak už trochu napovídá název, se zabývá tím, kolik pozic si v daný okamžik můžeme dovolit otevřít. V obecném pojetí existují pouze dva koncepty position sizingu. První z nich se nazývá martingale position sizing a druhý se nazývá antimartingale position sizing. Martingale position sizing říká, že by obchodník měl během ztrátové série obchodů zvyšovat počet obchodovaných kontraktů. Důvodem je, že po řadě neúspěšných obchodů přicházejí úspěšné a naopak. Tento model rozhodování o velikosti otevíraných pozic vznikl původně u hazardních hráčů rulety a karetních her a obecně v rámci burzovního obchodování nebývá považován za užitečný, naopak někdy bývá dokonce považován za velmi nebezpečný, např. při delší ztrátové sérii nebo tzv. kolapsu obchodního systému. Antimartingale position sizing je postavený na opačném principu než předchozí přístup k řízení velikosti otevíraných pozic. Říká tedy, že pokud rostou vaše zisky, zvyšujte i svoje risky. Avšak pokud váš účet zažívá ztráty, svůj risk adekvátně snižujte. Pojmem risk, se v tomto případě myslí velikost otevíraných pozic, nikoliv výše stop loss. Tento koncept řízení velikosti otevíraných pozic je pro burzovní obchodování mnohem vhodnější a nejznámější z těchto modelů rozebereme podrobněji. 5.2.1 Kellyho vzorec Kellyho vzorec money managementu byl přestaven už v roce 1956. Původně byl určen pro hráče blackjacku pro určování toho, jak vysoká bude jejich následující sázka. Postupem času ho však začali používat i komoditní obchodníci k určování velikosti risku, jako poměrnou část obchodního účtu, určenou na svůj další obchod při burzovním obchodování. Velikost poměrné části obchodního účtu, která se použije pro další obchod, se vypočítá podle následujícího vzorce:

Kde F je velikost poměrné části účtu, R je poměr úspěšných obchodů k neúspěšným a P je úspěšnost obchodního systému. Pokud tedy budeme mít obchodní systém, který vykazuje 65% úspěšnost a jeho zisky jsou 1,3 krát větší než ztráty, bude vzorec pro výpočet poměrné části účtu vypadat následovně: 42

Pro další obchod bychom tedy použili 38 % svého obchodního účtu. Počet obchodovaných kontraktů potom získáme jednoduše vydělením této částky požadovaným marginem. Kdybychom tedy měli obchodní účet 50 000 USD, částka, kterou bychom použili pro další obchod, by byla 19 000 USD. Za předpokladu, že margin obchodovaného trhu by byl např. 3 500 USD, vyjde nám, že v dalším obchodě máme otevřít 5 kontraktů (Williams 2007). 5.2.2 Optimal f Tento model money managementu vymyslel Ralph Vince a je zdokonalením předchozího Kellyho vzorce. Ralph Vince si totiž všiml, že pro účely obchodování komodit nebo akcií obsahuje Kellyho vzorec chybu. Tou chybou je to, že Kellyho vzorec byl původně používán pro blackjack, kde je potenciální ztráta při každé sázce omezena žetony, které se navyšují, zatímco potenciální zisk zůstává vždy stejný ve vztahu k herním žetonům. Při burzovním obchodování to však tak jednoduché není, velikost našich zisků a ztrát nemá pevný rozměr. Někdy narazíme na velké úspěchy, jindy na miniaturní a jindy také na různě velké ztráty (Williams 2007). Výpočet poměrné části obchodního účtu, která se použije pro další obchod, se provádí pomocí analýzy části nebo všech historických obchodů, které byly s daným systémem uskutečněny. Na všechny tyto obchody se aplikují různá procenta risku a jako optimální je nakonec zvoleno to, které maximalizuje míru zhodnocení účtu. Toto procento je pak použito pro další obchod. Ačkoliv to zní jako velmi dobrá myšlenka, výsledky praktických testů money managementu založeného na Kellyho vzorci nebo optimálním f vykazují velmi vysoké hodnoty drawdownu tj. poklesu kapitálu na účtu během obchodování, které zpravidla pro většinu obchodníků nejsou přijatelné [14]. 5.2.3 Fixed ratio Tento model position sizingu udává, kolik pozic otevírat na každých x dolarů zisku na našem obchodním účtu. Pokud si například otevřeme obchodní účet s 5 000 USD a rozhodneme se pro používání tohoto modelu, pak si jako první musíme určit, kolik kontraktů s takovým účtem začneme obchodovat a po kolika dolarech kumulovaného zisku zvýšíme otevírané pozice o jeden kontrakt. Jelikož se jedná o částku poměrně malou, řekněme, že 43

budeme obchodovat pouze jeden kontrakt a další kontrakt přidáme vždy po nakumulování zisku 3 000 USD. Pokud budeme úspěšní, pak již brzy proměníme svých prvních 5 000 USD na 8 000 USD a jelikož jsme si na začátku určili přidat jeden kontrakt za 3 000 USD kumulovaného zisku, tak nyní začneme obchodovat kontrakty dva. Teď, když obchodujeme se dvěma kontrakty, musíme nastřádat zisk dalších 6 000 USD na to, abychom mohli začít obchodovat tři kontrakty. Celková výše našeho účtu tedy musí dosáhnout minimálně 14 000 USD na to, abychom mohli začít obchodovat se třemi kontrakty (Williams 2007). Vždy tedy bude platit, že s každým obchodovaným kontraktem musíme napřed vydělat 3 000 USD, než zvýšíme počet otevíraných kontraktů o jeden. Systém funguje úplně stejně i v opačném případě, tj. pokud máme na účtu například 18 000 USD, obchodujeme se třemi kontrakty, ale pokud náš účet klesne pod 14 000 USD, budeme obchodovat pouze dva kontrakty. 5.2.4 Fixed fractional Model fixed fractional je jeden ze základních modelů position sizingu, který dobře funguje jak na větších, tak na menších obchodních účtech. Princip modelu je velmi jednoduchý. V podstatě nám říká, jaký volit počet kontraktů pro další obchod při stanovené celkové maximální velikosti risku, vyjádřeného v procentech velikosti celkového účtu, a dále pak maximální částce, kterou jsme ochotni riskovat na jeden obchod. Maximální procento riskovaného kapitálu je poměrná část našeho účtu, kterou jsme ochotni v rámci jediného obchodu riskovat, obvykle to bývá v rozmezí 2 – 5 %. Maximální částka, kterou jsme ochotni riskovat na jeden obchod je pak velikost používaného stop lossu. Vzorec určující počet kontraktů do dalšího obchodu je pak následující:

Kde K je počet kontraktů, Ac je velikost našeho účtu, Pr je procento riskovaného kapitálu a SL je maximální částka riskovaná na jeden obchod. Takže pokud budeme mít na obchodním účtu například 8 000 USD, základní stop loss bude 150 USD a maximální risk na jeden obchod budou 4 % účtu, bude vzorec vypadat takto:

44

V následujícím obchodě budeme tedy obchodovat dva kontrakty. Poté jak se bude postupně měnit velikost obchodního účtu, bude se měnit i počet obchodovaných kontraktů. Pokud bude obchodní účet růst, bude počet obchodovaných kontraktů přibývat a naopak, pokud bude obchodní účet klesat, bude počet kontraktů ubývat (Nesnídal, Podhajský 2008). 5.2.5 Williams risk ratio Autorem tohoto přístupu k řízení velikosti otevíraných pozic je známý obchodník Larry Williams. Tento přístup byl vymyšlen jako řešení, které odstraňuje divoké výkyvy na obchodním účtu při používání Kellyho vzorce nebo optimálního f. Koncept je založen na myšlence, že to, co způsobuje ony divoké výkyvy, není drawdown nebo výše stop lossu, ale ten nejztrátovější obchod, který byl obchodním systémem v minulosti realizován. Takový obchod může nastat, pokud je náš příkaz stop loss např. přeskočen mezerou. Takových obchodů sice není mnoho, ale je velmi pravděpodobné, že v budoucnu k podobnému, ne-li horšímu obchodu znovu dojde. Ovšem pokud se na takový obchod dopředu, prostřednictvím money managementu, dobře připravíme, nenapáchá na našem účtu ani zdaleka tolik škody, jako když nás zastihne nepřipravené. Vzorec pro výpočet množství obchodovaných kontraktů je de-facto stejný, jako v předchozím případě, pouze ve jmenovateli zlomku je místo výše stop lossu, výše největší ztráty, kterou jsme s daným obchodním systémem realizovali v minulosti. Vzorec pro výpočet množství obchodovaných kontraktu je tedy následující:

Kde K je počet kontraktů, Ac je velikost obchodního účtu, Pr je procento risku a NZ je největší ztráta v minulosti. Autor tohoto přístupu není rizikově averzní a obecně doporučuje riskovat 10 až 15 procent účtu na jeden obchod, ale systém je možné si upravit na míru, takže pokud budeme chtít riskovat méně, použijeme nižší procento risku, např. 5 %. Poté s tím jak roste stav našeho účtu obchodujeme více kontraktů a naopak pokud stav našeho účtu klesá, obchodujeme kontraktů méně (Williams 2007). 45

5.3

Dílčí závěr V této kapitole jsem zdůraznil důležitost používání ochranného příkazu stop loss a neustálé

kontroly rizika při obchodování na finančních trzích. V praktické části práce, kde budu testovat jednotlivé obchodní strategie, bude výše ochranného stop lossu vždy nastavena tak, aby se za žádných okolností neriskovalo více než 5 % kapitálu na jeden obchod. Pro řízení velikosti otevíraných pozic budu používat model Williams risk ratio, který umožňuje dopředu se připravit na možnost velké ztráty v příštím obchodě a eliminuje tak její negativní dopady.

46

6

TESTOVÁNÍ HYPOTÉZ Formulace různých hypotéz, shromažďovaní informací na jejich podporu nebo k jejich

vyvrácení a rozhodování o vyslovených hypotézách na základě těchto informací je postup, kterým se ubírá lidské poznání od nepaměti. Statistickou hypotézou se rozumí určitý předpoklad, který je vysloven o hromadných jevech stochastické povahy a poté je ověřován pomocí statistických prostředků. Například předpokládáme-li, že průměr základního souboru se rovná nějaké konkrétní hodnotě, vyslovili jsme tím hypotézu o tomto průměru (Minařík 2004). Ve své práci se zabývám porovnáváním výnosu dvou různých metod, použitých při obchodování na finančních trzích. První metodou je aktivní obchodní strategie, založená na technické analýze a money managementu a druhá metoda je pasivní obchodní strategie buy and hold. Mým cílem je potvrdit nebo zamítnout hypotézu o tom, zda existuje rozdíl mezi středními hodnotami výnosu těchto dvou zcela odlišných obchodních metod, pokud jsou aplikované za stejných podmínek na stejné trhy. Na základě vyčerpávajícího šetření celého základního souboru by bylo možné bezpečně rozhodnout o správnosti nebo nesprávnosti této hypotézy. Takovéto vyčerpávající šetření je však většinou neekonomické nebo dokonce technicky neproveditelné. Proto podrobíme šetření jenom určitou část základního souboru, tzv. výběrový soubor (Minařík 2004). Základním souborem v mém případě je celý trh financial futures, ovšem je neekonomické a asi i technicky nemožné podrobit testu každý trh, který celosvětový trh futures jako celek obsahuje. V dnešní době není problém sehnat futures kontrakt téměř na cokoliv, akcie konkrétní společnosti, akciový index, dluhopisy, komodity nebo měny. Z tohoto důvodu budu pracovat s výběrovým souborem, kterým je skupina vybraných trhů, ve které jsou zastoupeny nejčastěji obchodované futures různých podkladových aktiv, které zároveň představují ty největší a nejlikvidnější trhy. Na základě výsledků, které získáme šetřením ve výběrovém souboru, můžeme rozhodnout o tom, zda vyslovenou hypotézu potvrzujeme nebo zamítáme.

6.1 Nulová a alternativní hypotéza Předpoklad, který vyslovíme např. o určité charakteristice základního souboru, nazýváme nulovou hypotézou a značíme ji H0. Hypotézu o konkrétní hodnotě průměru v základním souboru, kterou jsem uvedl jako příklad, bychom zapsali následovně.

47

H0: µ = µ 0. Proti této nulové hypotéze stavíme opačnou hypotézu, tzv. alternativní hypotézu, kterou značíme H1. Tato alternativní hypotéza nějakým způsobem popírá konstatování formulované nulovou hypotézou. Například proti výše uvedené nulové hypotéze můžeme vymezit alternativní hypotézy v následujících třech formách. 1. H1: µ ≠ µ 0. V tomto případě popírá alternativní hypotéza platnost nulové hypotézy bez jakékoliv další specifikace oboru hodnot parametru µ. Tvrdí tedy, že hodnota parametru µ je jiná, než udává nulová hypotéza. Takto formulovaná hypotéza se nazývá dvoustrannou hypotézou a test této hypotézy dvoustranným testem. 2. H1: µ > µ 0. V tomto případě popírá alternativní hypotéza platnost nulové hypotézy a zároveň vymezuje jednostranně obor hodnot parametru v základním souboru. Alternativní hypotéza tvrdí, že hodnota parametru µ je větší než hodnota daná nulovou hypotézou. Takto formulovaná hypotéza se nazývá jednostrannou, v tomto případě konkrétně pravostranná. 3. H1: µ < µ 0. Poslední formou, jak může být definována alternativní hypotéza, je opak předchozího případu. Alternativní hypotéza tedy tvrdí, že hodnota parametru µ je menší než hodnota daná nulovou hypotézou. Takto formulovaná hypotéza se nazývá levostrannou (Hindls a kol. 2002).

6.2 Chyby při testování hypotéz Protože při testování hypotézy jde o úsudek prováděný na základě výsledků šetření z výběrového, nikoliv základního souboru, můžeme se ve svých úvahách dopustit i chybných závěrů. Může se stát, že zamítneme nulovou hypotézu, ačkoliv ve skutečnosti platí. Tuto chybu označujeme jako chybu prvního druhu a pravděpodobnost, že se dopustíme této chyby, značíme α. Tato pravděpodobnost je předem známá a odpovídá uvažované hladině významnosti daného testu. V praxi se nejčastěji pracuje s hodnotami významnosti α = 0,05 nebo α = 0,01. Druhá možnost chybného závěru spočívá v tom, že přijmeme nulovou hypotézu, ačkoliv platí hypotéza alternativní. V takovém případě se dopouštíme tzv. chyby druhého druhu

48

a pravděpodobnost, že se dopustíme této chyby, značíme β. Pravděpodobnost 1 – β se nazývá sílou testu a vypovídá o odolnosti testu vůči chybě druhého druhu (Hindls a kol. 2002). Mezi pravděpodobnostmi obou chyb je nepřímo úměrný vztah. Čím nižší je pravděpodobnost chyby prvního druhu, tím vyšší je pravděpodobnost chyby druhého druhu (Minařík 2004).

6.3 Proces testování hypotéz Celý proces testování hypotéz můžeme shrnout do následujících, metodicky na sebe navazujících, bodů. 1. Formulace hypotéz – formulujeme nulovou a alternativní hypotézu. Běžné pojetí testování hypotéz vyžaduje, aby nulová hypotéza byla jednoduchá, nejčastěji zapsaná pomocí rovnice, týkající se některého parametru. Dále se vyžaduje, aby to, co chceme testem prokázat, bylo vyjádřeno v alternativní hypotéze. 2. Volba testovacího kritéria – testové kritérium je statistika, resp. funkce výběru. Výpočet její hodnoty je cílem zpracování hodnot získaných z výběrového souboru. 3. Sestrojení kritického oboru – kritický obor musí být dostatečně velký, aby bylo zajištěno, že chyby prvního druhu se dopustíme jen ve 100α % případů. Obor přijetí se explicitně nevymezuje, jelikož je ve všech případech doplňkem kritického oboru. 4. Výpočet hodnoty testového kritéria – až doposud je možné postupovat ještě před pořízením vlastních dat. V tomto bodě zpracujeme výběrový soubor a vypočteme charakteristiky, které chceme testovat. Vzorec pro výpočet testového kritéria je znám, takže jen podle vhodného algoritmu dosadíme do vzorce potřebné údaje a zjistíme hodnotu testového kritéria. 5. Formulace závěrů testu – každý test vede ke dvěma možným výsledkům. Pokud hodnota testového kritéria leží v kritickém oboru, je testem prokázána platnost alternativní hypotézy. Při tomto prohlášení neseme 100α% riziko nesprávnosti rozhodnutí. Naopak, pokud hodnota testového kritéria leží v oboru přijetí, platnost alternativní hypotézy jsme testem neprokázali. Kdybychom prohlásili, že platí nulová hypotéza, nesli bychom riziko omylu β, že tomu tak ve skutečnosti není (Hindls a kol. 2002).

6.4 Parametrické a neparametrické testy Základem testování statistických hypotéz jsou testy o charakteristikách základního souboru, resp. o parametrech rozdělení základního souboru, které se souhrnně nazývají 49

parametrické testy. Těchto testů může být celá řada, můžeme testovat průměr, rozptyl, relativní četnost, nebo shodu těchto parametrů. Tyto testy jsou však použitelné pouze v situacích, kdy se zkoumají

veličiny,

jejichž

rozdělení

lze

alespoň

přibližně

popsat

některým

z pravděpodobnostních modelů tj. normálním, lognormálním, exponenciálním rozdělením apod. (Blatná 1994). Ke splnění cíle této práce však není třeba se zabývat všemi těmito testy, proto zde uvedu a popíšu pouze ten, který ve své práci používám. Tímto testem je test o dvou středních hodnotách ze závislých výběrů. Tento test se používá tehdy, jsou-li hodnoty náhodných veličin Xi, Yi ve dvou výběrech párově uspořádány. K tomu může dojít například tak, že výzkumník plní úkol dvěma různými způsoby, nebo pokud je tentýž vzorek analyzován dvěma různými metodami. Druhou podmínkou pro použití tohoto testu je, aby rozsahy obou výběrů byly shodné (Minařík 2004). Náhodná veličina D = X – Y má za předpokladu, že E(X) = E(Y), střední hodnotu

∑ (D n

E(D) = 0, a střední výběrovou chybu S D =

Náhodná veličina

i =1

− D)

2

i

n ⋅ (n − 1)

.

je testovým kriteriem k nulové hypotéze H0: E(D) = 0. Toto

testové kritérium má Studentovo rozdělení t o n-1 stupních volnosti, jehož kritický obor je vymezen následujícím intervalem V případech velkých výběrů lze při testech hypotéz o některých parametrech postupovat stejně, ať výběr pochází z jakéhokoliv obvykle se vyskytujícího rozdělení, takže v tomto případě není znalost pravděpodobnostního modelu nutná. Při různých statistických šetřeních se však poměrně často pracuje s menšími výběry, přitom jsou požadovány informace o určitých vlastnostech, např. poloze nebo variabilitě, rozdělení neznámého typu. V některých z těchto situací nelze použít parametrické testy, lze ale využít testy neparametrické. Neparametrické testy mají oproti testům parametrickým řadu výhod, mezi něž patří: •

Pravděpodobnostní závěry, které z nich získáme, jsou většinou nezávislé na tvaru rozdělení náhodných veličin v základním souboru. 50

•

Lze je použít i v případě, když neznáme tvar rozdělení základního souboru a rozsah výběru je malý.

•

Lze je použít i tehdy, když výběry pocházejí ze základních souborů s různými rozděleními sledovaných náhodných veličin.

Neparametrických testů je opět celá řada a tak zde uvedu opět pouze ten, který ve své práci používám. Tímto testem je Wilcoxonův test pro závislé výběry, který se používá pro ověření shody úrovně sledovaného znaku. V tomto testu vypočteme diference pro všechny napozorované dvojice hodnot xi1 a xi2, kde i = 1, 2, …, n. Nenulovým diferencím se přiřadí vzestupně podle velikosti pořadová čísla. Dále se vypočítá součet pořadí odpovídající kladným diferencím a součet pořadí odpovídající záporným diferencím. Testovaná hypotéza H0 pak předpokládá, že oba soubory jsou ekvivalentní, tj. že součet kladných pořadí je roven součtu záporných pořadí. Testovým kriteriem TW je menší ze součtu pořadí s určitým znaménkem. Pro malé výběry (n < 30) existují tabulky kritických hodnot. Je-li vypočítaná hodnota testového kriteria TW větší než kvantil TW pro zvolenou hladinu významnosti α, zamítáme na zvolené hladině významnosti hypotézu o shodě úrovně v jednotlivých souborech (Blatná 1994).

51

7

VLASTNÍ PRÁCE Vlastní práce je rozdělena do několika podkapitol. V první definuji nulovou a alternativní

hypotézu, která bude později testována příslušným. V ostatních kapitolách se zabývám konkrétními obchodními systémy, pravidly pro jejich použití, jejich aplikací na vybrané trhy, prezentací jejich výsledků a testování definované hypotézy. Hypotéza je vždy testována dvakrát, jednou při použití pouze technické analýzy jako obchodního systému a podruhé při doplnění stejného obchodního systému o money management. Účelem prvního testu je vyhodnotit, zda existuje statisticky významný rozdíl ve výši dosaženého zisku, kterého je možno dosáhnout používáním pouze technické analýzy, oproti výši zisku, kterého by dosáhla pasivní strategie buy and hold při obchodování pouze jednoho kontraktu. Účelem druhého testu je vyhodnotit, zda existuje statisticky významný rozdíl ve výši dosaženého zisku, kterého je možno dosáhnout komplexní technickou strategií, která využívá i techniku money managementu pro řízení rizika a velikosti otevíraných pozic, oproti výši zisku pasivní strategie buy and hold, při velikosti počátečního účtu 100 000 dolarů.

7.1 Formulace hypotézy Nulovou hypotézou je tvrzení, že střední hodnoty výnosu strategie buy and hold a mechanického obchodního systému, založeného na technické analýze a money managementu, pocházejí z jednoho základního souboru a tudíž mezi nimi neexistuje průkazný rozdíl. Matematický zápis nulové hypotézy je následující: • Kde

H0: E(D) = 0. - E(D) značí střední hodnotu náhodné veličiny D a - D je náhodná veličina vypočtená jako rozdíl mezi dosaženým ziskem technické strategie a strategie buy and hold.

Proti nulové hypotéze je postavena hypotéza alternativní, kterou představuje tvrzení, že mezi středními hodnotami výnosu strategie buy and hold a mechanického obchodního systému existuje průkazný nebo vysoce průkazný rozdíl. Matematický zápis alternativní hypotézy je následující: 52

•

HA: E(D) ≠ 0.

Všimněte si, že definované hypotézy neříkají nic o tom, která ze dvou porovnávaných obchodních metod je lepší nebo horší než ta druhá. Je to proto, že tímto testem se toto zjistit nedá. Tento test nám může pouze říct, zda existuje nebo neexistuje statisticky průkazný rozdíl ve výši dosaženého zisku uvedených dvou obchodních přístupů. Abychom mohli posoudit, která z těchto dvou obchodních metod je lepší, musíme prozkoumat výsledky porovnávaných strategií tam, kde dojde k zamítnutí nulové hypotézy a potvrzení hypotézy alternativní. Před samotným testem definované hypotézy bude ještě testována normalita rozdělení zisků a ztrát Sharpio-Wilkůvovým testem, abych zjistil, zda mám pro testování použít parametrický test o dvou středních hodnotách nebo neparametrický Wilcoxonův test.

7.2 Obchodní systémy Pro všechny obchodní systémy, které jsem ve své práci testoval, jsem před samotným testováním musel vymyslet jejich plně funkční programovou podobu a naprogramovat je v programovacím jazyku Trade sense, který je srozumitelný obchodnímu a testovacímu sw Genesis trade navigator. Veškeré nastavení obchodních systémů bylo vyladěno testováním v jednotlivých trzích do roku 1999 a poté aplikováno na data od roku 1999 do současnosti. Jako první jsem testoval základní indikátory technické analýzy a pak sofistikované obchodní strategie „Cenová přetvářka“, „Oops!“ a „GSV“, jejichž základní podobu jsem čerpal z knihy Larryho Williamse a poté je modifikoval do podoby, ve které je prezentuji níže. 7.2.1 Základní technická analýza Ještě dříve, než přejdeme k hlavním obchodním metodám, na kterých je tato diplomová práce postavena, uděláme drobný mezikrok, ve kterém podrobíme testu obchodní systémy založené na základních pravidlech používání některých z výše zmíněných indikátorů. Tento test provedeme na stejných trzích a stejném časovém období, se kterými pak budeme pracovat dále, při analýze komplexnějších obchodních přístupů. Indikátory, které jsem pro tento test zvolil, jsem vybíral tak, aby z každé skupiny byl v testu nějaký zástupce. Z indikátorů řadících se do skupiny trend folowing jsem zvolil dvojici exponenciálních klouzavých průměrů s periodou 5 a 20, tyto hodnoty jsem zvolil proto, že obchodní týden má standardně 5 dní a obchodní měsíc má průměrně 20 obchodních dní. Z obálkových metod jsem vybral indikátor Bollinger Bands. Z oscilátorů CCI, Stochastic a MACD. Objemové indikátory jsou v praxi používány jako varovné nebo potvrzující a tak nebudou samostatně testovány. 53

Výsledky obchodování pomocí těchto indikátorů jsou uvedeny v tabulce. Pro každý trh a obchodní systém byla stanovena výše ochranného příkazu stop loss s ohledem na dosažení maximálního zisku, kterého by se dosáhlo obchodováním těchto systémů do roku 1999. V tabulce je vždy uvedena procentuelní úspěšnost generovaných signálů (% win) a výše dosaženého zisku nebo ztráty (P/L). Tabulka 1: Výsledky obchodování podle základních indikátorů. MA 5/20

Stochastic

Bollinger bands

MACD

CCI

Trh

% win

P/L

% win

% win

P/L

Pšenice

22.8

-$11 455

52.9

-$4 895

22.9

$8 428

32.4

$4 805

17.6

-$16 745

Bavlna

12.2

$2 565

15.7

-$7 745

10.6

$14 885

20.3

$26 640

25.4

-$10 520

Káva Vepřové půlky

18.5

-$31 860

40.2

-$24 373

9.5

$11 521

30.3

-$17 971

36.9

-$14 398

19.9

-$7 550

5.8

-$7 170

51.2

$22 005

24.9

$26 745

25.5

-$5 635

Zlato

23.2

-$35 830

24.7

$2 280

14.0

$5 755

24.7

$20 835

38.9

$2 570

Platina

6.8

-$2 085

52.8

-$12 740

14.0

$22 075

27.9

-$16 660

27.6

-$3 015

Topný olej

5.3

$21 712

6.6

-$12 091

9.9

$27 637

9.3

-$9 386

13.0

$18 627

Ropa

15.8

$40 360

6

-$13 300

10.6

$33 180

30.8

$36 915

13.6

-$17 005

Britská libra Švýcarský frank Americký dolar S&P 500 Dow Jones

22.2

-$4 564

48.4

$8 986

14.7

$18 908

28.4

$5 001

36.5

$6 694

20.9

-$23 885

46.9

-$10 640

7.9

$875

22.1

-$28 683

37.9

-$665

18.9

-$2 060

44

-$20 390

17.0

-$13 615

26.5

$17 285

36.1

$7 260

3.6

-$9 433

7.9

$13 078

12.1

-$26 838

24.6

-$11 103

27.8

-$47 315

19.6

-$13 490

22.3

-$15 630

14.9

$4 945

26.6

$21 730

22.5

-$58 115

Nasdaq

24.4

$17 970

7.6

-$3 855

13.9

-$2 805

24.7

-$8 445

27.0

-$50 680

Dax

9.2

$3 173

3.9

-$26 300

10.1

$44 148

13.3

-$16 975

22.7

$275

$25 138

22.7

-$11 145

11.0

$26 166

17.5

$29 024

36.8

$36 791

-$4 687 -$2 117

14.6 24.9

$4 948 -$8 293

15.0 15.3

$1 750 $11 707

12.8 23.4

$6 890 $5 097

18.3 27.3

$4 213 -$8 686

T-Bonds 30

21.7 T-Notes 10 23.0 Průměr 16.9 Zdroj: Práce autora.

P/L

% win

P/L

% win

P/L

Z výsledků uvedených v tabulce je vidět, že k úspěchu při burzovní spekulaci ve většině případů nestačí jenom mechanicky následovat základní použití technických indikátorů. Přesto, že základní obchodní systémy založené na mnou vybraných indikátorech byly při testování do roku 1999 ve většině trhů ziskové, některé z nich dokonce velmi výrazně, tak v následujících deseti letech byla situace zcela jiná a ve většině trhů by bylo použití těchto systémů ztrátové. Na druhou stranu je zde vidět i fakt, že i s obchodním systémem, který byl úspěšný pouze v 10 % případů generovaných signálů, se dalo vydělat přes 44 tisíc dolarů obchodováním jednoho kontraktu v trhu akciového indexu Dax. Z průměrných výsledků v posledním řádku tabulky můžeme vyhodnotit jako nejziskovější indikátor Stochastic. Naopak jako indikátor, při 54

jehož použití bychom utržili největší ztrátu, můžeme označit indikátor CCI i přes to, že byl ze všech indikátorů v generování obchodních signálů nejpřesnější. 7.2.2 Patterny Larryho Williamse Larry Williams je velmi známý komoditní obchodník, který v roce 1987 dokázal podruhé na světovém šampionátu v tradingu proměnit svůj počáteční obchodní účet 10 000 USD ve více než 1 100 000 USD za jediný rok obchodování dluhopisů a indexu S&P 500. Tohoto úspěchu dosáhl tzv. swingovým obchodováním, tj. s použitím metod, kdy v pozici zůstával pouze několik dnů, většinou dokonce pouze jeden jediný den. Tyto svoje úspěšné obchodní metody pak popsal ve své knize „Long-term secrets to short-term trading“, kterou vydal v roce 1998, a její český překlad vydalo centrum finančního vzdělávání v roce 2007. Patterny a strategie, které jsem použil ve svojí diplomové práci, jsou založeny na stejných pravidlech, tak jak jsou popsány ve výše zmíněné knize a jsou testovány na datech od roku 1999 do současnosti. Znamená to, že veškeré výsledky těchto obchodních strategií jsou tzv. out of sample, tj. získané z tržních situací, které nebyly zahrnuty v souboru, na kterém byla strategie vymyšlena. Tyto strategie totiž byly vymyšleny a obchodovány už v roce 1987, některé z nich i podstatně dříve, a zpřístupněny široké veřejnosti v roce 1998. Moje testovací období začíná v roce 1999, tedy rok po jejich zveřejnění. Bude tak zajímavé sledovat, zda tyto strategie stále fungují nebo jestli s jejich zveřejněním zmizela výhoda, pomocí které se dříve daly vydělávat nemalé peníze. 7.2.2.1 Cenová přetvářka Nejlepší patterny, které se dají v trzích najít, mají společný prvek, který je spojuje. Jsou to patterny, které zastupují extrémní emoce trhu, na jejichž základě dochází k výkyvům ceny v opačném směru. Jinými slovy to, co veřejnost vidí ve svých grafech jako negativní, má většinou silnou náchylnost být pozitivní pro krátkodobé pohyby trhu a naopak (Williams 2007). Jednou z takových situací je například outside den, který je prvním prvkem této strategie. Takový den nastává, pokud je high vyšší než high předchozího dne a low je nižší než low předchozího dne. Nákupním signálem je klesající outside den, který má svoji uzavírací cenu níž, než low předcházejícího dne a dnešní otevírací cena je navíc nižší než uzavírací cena předchozího dne. Takový den veřejnost vnímá jako velmi negativní, skoro jako by se mělo zřítit samotné nebe, a má tendenci prodávat. Ovšem veřejnost bývá v tomto bussinesu většinou na špatné straně, proto je pro nás tato situace dobrou nákupní příležitostí.

55

Prodejní signál naopak představuje rostoucí outside den, který má svoji uzavírací cenu výš, než high předcházejícího dne a dnešní otevírací cena je navíc vyšší než uzavírací cena outside dne. Takovou situaci veřejnost vnímá velmi pozitivně a má tendenci nakupovat, pro nás je to však jasný prodejní signál. Do obchodu vstupujeme příkazem market, při otevírací ceně, a vystupujeme dle pravidla bail out, čili na prvním profitabilním open nebo na ochranném příkazu stop loss. Pro ilustraci je vše předvedeno na níže uvedeném obrázku. Modrá plná šipka znázorňuje vstup do dlouhé pozice a červená prázdná šipka výstup. Obrázek 14: Nákupní signál outside dne a výstup na bail out.

Zdroj: Práce autora v Genesis trade navigator.

Jen málokdo by věřil, že tak mechanický obchodní systém může být tak dobrý, že například v trhu S&P 500 se od roku 1998 objevilo 70 těchto obchodních příležitostí, z nichž bylo 87,1 % úspěšných, a průměrný zisk na obchod činil 254 dolarů. Tento pattern je tak účinný, že jej lze využít ve všech trzích jako samostatnou obchodní formaci. Problémem tohoto patternu je však to, že se v trzích nevyskytuje tak často jak bychom chtěli. Z tohoto důvodu přidáme do naší obchodní strategie další pattern, který zobrazuje situaci, kterou veřejnost opět vnímá jinak, než jaká ve skutečnosti je. Tento pattern se skládá ze tří úseček respektive tří obchodních dnů. Nákupní signál představuje den, jehož uzavírací cena je níže než low předcházejícího dne a tomuto dni předcházejí dva dny, jejichž uzavírací cena je vždy nižší než uzavírací cena jim předcházejících dnů. Náš signální den je tedy třetí den v řadě s close níže než předcházející dny. Prodejní signál vypadá přesně opačně a je to třetí den v řadě s close výše než předcházející dny, přičemž close tohoto dne musí být zároveň vyšší než high předchozího dne. Takto zdánlivě silná zobrazení růstu fungují jako lákadla veřejnosti k nákupu, ale pro nás představují dobrou příležitost pro prodej. Vstup do obchodu probíhá opět příkazem market při otevírací 56

ceně a výstup na bail out nebo ochranném stop lossu. Pro ilustraci je tento pattern zobrazen na obrázku níže. Červená plná šipka představuje vstup do krátké pozice a modrá prázdná šipka výstup. Obrázek 15: Prodejní signál a výstup na bail out.

Zdroj: Práce autora v Genesis trade navigator.

I tato druhá komponenta naší strategie je zcela mechanická a svými výsledky nikterak nezaostává za předchozím vstupním patternem. Při testu tohoto vstupu na stejném časovém období indexu S&P 500, jako v předchozím případě, proběhlo 295 obchodů, z nichž 84,4 % bylo úspěšných, a průměrný zisk na obchod činil 215 dolarů. Třetím prvkem této strategie je pattern smash day a je opět založen na situaci, která vtáhne veřejnost do hry v nepravý čas. Smash day, je den, kdy v trhu dojde k hlavnímu průlomu cenového kanálu nahoru nebo dolů. Nákupní signál vzniká, když je uzavírací cena pod low předchozího dne, což veřejnost vidí jako útok na spodní hranici a proto prodává, ale většinou se mýlí, protože trh se vzápětí obrátí. Někdy se jedná o skutečný průlom, ale pokud se hned následující den cena obrátí a obchoduje se nad high dne s průlomem dolů, je to signál k nákupu. Do trhu vstupujeme příkazem buy stop na úrovni včerejšího high a vystupujeme na prvním profitabilním otevření nebo ochranném stop lossu. Prodejní signál vzniká, když je uzavírací cena nad high předchozího dne a hned následující den se cena obrátí a klesne až k low dne s průlomem nahoru. Do trhu vstupujeme příkazem sell stop na úrovni včerejšího low a vystupujeme opět na prvním profitabilním open nebo ochranném stop lossu. Pro ilustraci je tento pattern uveden na obrázku níže.

57

Obrázek 16: Signály patternu Smash day a výstup na bail out.

Zdroj: Práce autora v Genesis trade navigator.

Na obrázku jsou zobrazeny dva vstupy do dlouhé pozice, které značí plná modrá šipka. Výstup bail out z dlouhé pozice je znázorněn červenou prázdnou šipkou. Vstup do krátké pozice je označen plnou červenou šipkou a výstup bail out z krátké pozice značí modrá prázdná šipka. V trhu akciového indexu Dow Jones v mnou pozorovaném období vzniklo 277 těchto obchodních příležitostí, z nichž 68,9 % bylo ziskových a průměrný zisk na obchod činil 168 dolarů. Poslední komponentou strategie, kterou jsem nazval „cenová přetvářka“, je jiný případ zlomového dne, ve kterém se cena opět nedrží původního směru a hned další den se obrací na opačnou stranu. Tentokrát nás pro nákup zajímá den, který má svoje high nad high předchozího dne, ale close tohoto dne se nachází ve spodní čtvrtině svého obchodního rozpětí. V těchto dnech dochází k tomu, že cena vytvoří denní maximum, ale pak neudrží svoje zisky a uzavře daleko od svého maxima. Kupci byli poraženi a veřejnost začne spekulovat na pokles cen. Pokud se však cena hned další den obrátí a vyšplhá se až k high zlomového dne, je to příležitost k nákupu. Do trhu vstupujeme opět příkazem buy stop na úrovni high zlomového dne. Pro prodej vyhledáváme dny, které mají svoje low níže než low předchozího dne, ale uzavírací cenu v horní čtvrtině svého obchodního rozpětí. V těchto dnech dochází k tomu, že cena vytvoří denní low, ale tam přiláká kupce, kteří vyženou cenu daleko od svého low. Prodejci byli v tomto dni poraženi, cena se odrazila od svého dna a veřejnost obvykle začne spekulovat na růst cen. Pokud se však hned další den cena obrátí a klesne až k low zlomového dne, je to příležitost k prodeji. Pro ilustraci opět přikládám obrázek, na kterém je vše zřetelně vidět.

58

Obrázek 17: Vstup do krátké pozice a výstup bail out.

Zdroj: Práce autora v Genesis trade navigator.

Červená plná šipka představuje vstup do krátké pozice poté, co trh klesl na low zlomového dne. Modrá prázdná šipka představuje výstup z pozice při prvním profitabilním otevření. Na trhu kávy ve mnou sledovaném období nastalo 83 těchto situací, z nichž bylo 78,3 % ziskových a průměrný zisk na obchod činil 190 dolarů. Strategie „cenová přetvářka“ se tedy skládá z předchozích čtyř vstupních patternů, jednoho druhu výstupu a ochranných příkazů stop loss. Ochranný stop loss jsem stanovil pro každý vstupní pattern zvlášť, protože každý reprezentuje trochu jinou tržní situaci. Konkrétní výši ochranných stop lossů jsem stanovil testem této strategie do konce roku 1998 a při výběru nejvhodnější hodnoty jsem bral ohled na výši dosaženého zisku, výši průměrného zisku na obchod a úspěšnost jednotlivých vstupů. To vše také s ohledem na to, aby výsledná hodnota nebyla přeoptimalizovaná, což jsem se snažil zajistit tím, aby i nejbližší dvě okolní hodnoty měly podobné výsledky. Nejdůležitější výsledky této strategie jsou shrnuty v následující tabulce. Tabulka obsahuje počet uskutečněných obchodů (#), procento úspěšných obchodů ze všech uskutečněných (%win), průměrný zisk na obchod (AT), výši maximálního poklesu kapitálu během celého období obchodování (DD), výši čistého zisku nebo ztráty (P/L) a výši čistého zisku nebo ztráty při zapojení money managementu (MNG), kterého bychom obchodováním této strategie ve sledovaném období dosáhli. V předposledním sloupci tabulky jsou uvedeny výsledky strategie buy and hold (B-H) a v posledním sloupci jsou výsledky strategie buy and hold při velikosti investice 100 000 dolarů (B-H mng). Podrobné reporty obchodních výsledků této strategie jsou uvedeny v příloze č. 1. Tabulka 2: Výsledky strategie "cenová přetvářka" za období 1.1.1999 - 16.2.2009. Trh

#

% win

AT

DD

P/L

Pšenice

578

73.4%

$2

-$27 893

$1 398

$1 398

-$18 888 -$3 106 497

Bavlna

587

76.3%

$45

-$8 855

$26 355

$61 575

-$54 295 -$5 170 952

Káva

590

68.5% $130

-$6 904

$76 419

$417 690

-$58 744 -$3 496 652

59

MNG

B-H

B-H mng

Vepřové půlky Zlato

725

61.7%

$79

-$10 130

$56 955

$56 955

$14 160

$874 074

601

65.1%

$28

-$12 600

$16 685

$31 360

$65 290

$3 224 198

Platina

724

58.0%

$45

-$5 720

$32 295

$97 225

$35 235

$1 631 250

Topný olej

752

50.0% $104

-$10 070

$78 136

$412 788

$38 993

$1 114 080

Ropa

643

67.7% $112

-$18 165

$72 325

$117 150

$24 940

$615 802

Britská libra

637

59.2%

$22

-$9 860

$13 790

$63 640

-$1 594

-$108 788

Švýcarský frank Americký dolar S&P 500

602

55.3% -$20

-$16 723

-$12 235

-$69 432

-$3 338

-$183 077

583

72.4%

$51

-$13 335

$29 585

$44 490

-$6 740

-$405 292

544

73.5% $125

-$6 780

$68 130

$587 855

-$21 713

-$609 388

Dow Jones

604

67.9% $123

-$21 750

$74 580

$139 915

-$15 960

-$295 556

Nasdaq

558

70.4%

$83

-$8 670

$46 540

$227 435

-$20 645

-$917 556

Dax

784

34.1%

$36

-$28 323

$28 118

$24 620

-$62 025

-$557 528

T-Bonds 30

607

63.3%

$33

-$22 978

$20 121

$20 121

-$906

-$18 647

T-Notes 10

539

71.2%

$16

-$12 010

$8 367

$15 144

$17 281

$640 037

$60 -$14 163

$37 504

$132 349

-$4 056

-$398 264

Průměr 627 Zdroj: Práce autora.

64%

Z výsledků uvedených v tabulce můžeme soudit, že strategie není úplně vhodná pro všechny trhy. Nejhůře si strategie vedla v trhu akciového indexu Švýcarského Franku, kde skončila ve ztrátě 12 235 dolarů. Mizerné jsou také výsledky z trhu pšenice. Z opatrnostních důvodů vidím touto strategií jako neobchodovatelné i trhy akciového indexu Dax a amerických dluhopisů T-Bonds a T-Notes, ve kterých bychom sice skončili v zisku, ale velikost drawdownu je větší než výše dosaženého zisku. Poměr drawdownu a čistého zisku by neměl být vyšší než 30 %. V trhu akciového indexu Dax také evidentně došlo ke značným změnám v jeho cenovém chování, protože úspěšnost vstupů této strategie poklesla z 60 % v období do konce roku 1998 na pouhých 34 % v posledních deseti letech. Naopak nejlepších výsledků dosáhla tato strategie v trhu Kávy a Topného oleje. Z průměrné statistiky v posledním řádku tabulky pak můžeme vyčíst, že tato strategie průměrně vydělala 37 504 dolarů na trh za deset let obchodování jednoho jediného kontraktu s úspěšností 64 %. Zatím co pasivní strategie buy and hold by nám způsobila průměrně ztrátu 4 056 dolarů. Z těchto výsledků se může zdát rozhodnutí o definované hypotéze jednoznačné, ale v souboru se vyskytují i trhy, ve kterých bychom strategií buy and hold vydělali více než technickou strategií. Z tohoto důvodu budu testovat hypotézu pomocí vybraných testů.

60

Graf 1: Zisky a ztráty při obchodování jednoho kontraktu.

Zdroj: Práce autora. Tabulka 3: Shapiro-Wilkův test normality. NP B-H

Příp. 17 17

Průměr 37503,7647 -4055,7324

Směrodatná odchylka 28914,9419 35072,3797

Shapiro-Wilkův test 0,9284 0,9673

Pravděpodob. 0,2675 0,7310

Celkový test normality: u-hodnota = -0,1376 jednostranná pravděp. = 0,4453

Zdroj: Práce autora v programu Unistat.

Vysoká hodnota pravděpodobnosti 0,4453 vypovídá o normalitě rozdělení těchto zisků a ztrát, a tak pro test definované hypotézy bude použit parametrický test o dvou středních hodnotách ze závislých výběrů. Tabulka 4: Test o dvou středních hodnotách. Rozdíl

Příp. 17

Průměr 41559,4971

Směrodatná odchylka 46682,6715

t-statistika = Stupně volnosti = dvoustranná pravděpodobnost = Rozdíl mezi průměry = 95% Konfidenční interval =

Směrodatná chyba 11322,2109

3,6706 16,0000 0,0021 41559,4971 17557,3938 <> 65561,6003

Zdroj: Práce autora v programu Unistat.

Z výsledků testu o dvou středních hodnotách můžeme zamítnout nulovou hypotézu, která říká, že ve výši dosaženého výnosu není rozdíl, protože dvoustranná pravděpodobnost je menší než 0,01, což vypovídá o existenci velmi významného rozdílu ve výši dosaženého výnosu. Potvrzena je tedy alternativní hypotéza s výsledkem ve prospěch technické strategie. Při pohledu na průměrné hodnoty obchodních výsledků technické strategie při zapojení money managementu a k tomu odpovídajícího výsledku strategie buy and hold, se zdá rozhodnutí o definované hypotéze jako zcela jednoznačné, protože průměrný zisk technické strategie dosáhl hodnoty 132 349 dolarů, zatímco strategie buy and hold průměrně prodělala 61

398 264 dolarů. Ale stejně jako v předchozím případě se v některých trzích ukázala strategie buy and hold jako výnosnější. Graf 2: Porovnání výnosů obou strategií při počátečním účtu 100 000 dolarů.

Zdroj: Práce autora.

Ještě před testem samotné hypotézy je však třeba otestovat normalitu rozdělení těchto zisků a ztrát pomocí Shapiro-Wilkůvova testu, abych při testování hypotézy použil správný test. Tabulka 5: Shapiro-Wilkův test normality. MNG B-H m

Příp. 17 17

Průměr 132348,7647 -398264,2353

Směrodatná odchylka 178053,3741 1993600,4154

Shapiro-Wilkův test 0,7978 0,9161

Pravděpodob. 0,0094 0,1555

Celkový test normality: u-hodnota = -2,9350 jednostranná pravděp. = 0,0017

Zdroj: Práce autora v programu Unistat.

Nízká hodnota jednostranné pravděpodobnosti 0,0017 vypovídá o nenormalitě tohoto rozdělení zisků a ztrát a proto pro účely otestování definované hypotézy je třeba použít neparametrického Wilcoxonova testu. Tabulka 6: Wilcoxonův test. Záporné odchylky Kladné odchylky Celkem

Příp. 6 11 17

Souč.poř. 61,0000 92,0000 153,0000

Wilcoxonův test = Asymptotický se spojitou korekcí: u-hodnota = dvoustranná pravděpodobnost =

Průměrné pořadí 10,1667 8,3636 9,0000 61,0000

0,7101 0,4777

Zdroj: Práce autora v programu Unistat.

62

Vysoká hodnota dvoustranné pravděpodobnosti 0,4477 tohoto testu nezamítá nulovou hypotézu, a tudíž nemohu uznat existenci významného rozdílu mezi výnosem money managementované technické strategie „cenová přetvářka“ a strategie buy and hold při počátečním účtu 100 000 dolarů i přes zdánlivě výrazný rozdíl mezi jejich průměrnými výsledky. Abych však nezůstal pouze u konstatování, že v těchto posledních deseti letech byla tato strategie lepší než druhá, udělal jsem ještě test obchodních výsledků v posledním roce, ve kterém jsou finanční trhy zmítány krizí. Z těchto výsledků můžeme vidět, jak se „cenové přetvářce“ vedlo v těchto bouřlivých dnech. Samozřejmě má v této době oproti strategii buy and hold výraznou výhodu v možnosti využití krátkých prodejů, díky kterým může realizovat zisk při poklesu trhů, zatím co pro strategii buy and hold tento pokles znamená vždy ztrátu. Z tohoto důvodu také nebudu na těchto výsledcích testovat definovanou hypotézu.

63

Tabulka 7: Výsledky strategie Cenová přetvářka od 1.1. 2008 - 16.2. 2009. Trh Pšenice

# 71

% win 53.5%

AT -$37

P/L -$2 643

MNG -$2 835

B-H -$21 925

B-H mng -$3 606 086

Bavlna

74

67.6%

$34

$2 545

$1 355

-$19 085

-$1 817 619

Káva

59

57.6%

$85

$4 993

$15 446

-$13 613

-$810 268

Vepřové půlky Zlato

89

57.3%

$177

$15 775

$34 730

-$2 040

-$125 926

63

42.9%

$13

$795

-$6 495

$9 910

$489 383

Platina

79

32.9%

$80

$6 355

$41 165

-$23 450

-$1 085 648

Topný olej

86

31.4%

$184

$15 841

$44 194

-$56 960

-$1 627 429

Ropa

71

54.9%

$389

$27 605

$57 205

-$58 980

-$1 456 296

Britská libra

79

45.6%

-$18

-$1 414

-$17 811

-$32 769

-$2 236 775

Švýcarský frank Americký dolar S&P 500

72

37.5%

-$146

-$10 548

-$51 780

-$4 488

-$246 160

59

61.0%

-$104

-$6 135

-$12 270

$10 860

$653 037

71

63.4%

$269

$19 108

$70 520

-$33 825

-$949 340

Dow Jones

77

58.4%

$381

$29 325

$74 735

-$57 300

-$1 061 111

Nasdaq

61

73.8%

$67

$4 060

$10 975

-$18 345

-$815 333

Dax

73

31.5%

$348

$25 435

$116 923

-$99 888

-$897 865

T-Bonds 30

71

54.9%

$86

$6 114

$30 839

$10 625

$218 621

T-Notes 10

67

64.2%

$54

$3 587

$7 174

$10 438

$386 574

52%

$110

$8 282

$24 357

-$23 578

-$881 661

Průměr 72 Zdroj: Práce autora.

Z těchto výsledků je jasně patrný vliv výrazně zvýšené volatility na finančních trzích v minulém roce. Zvýšená volatilita se projevila tím, že ochranné příkazy stop loss byly zasahovány častěji než v předešlých letech a úspěšnost jednotlivých vstupů se tím výrazně snížila. V průměru poklesla o 12 %. Je však třeba připomenout, že optimální nastavení výše příkazů stop loss je v tomto případě už deset let staré a výsledky by byly určitě o něco lepší, kdyby se výše stop lossů stanovila na základě testu do roku 2008. Tímto bychom však obdrželi v mnoha případech odlišné nastavení obchodního systému než to, které bylo použito v předchozích deseti letech a následné srovnání funkčnosti obchodního systému v období krize by nebylo možné. Zvýšená volatilita však nepřináší jenom to špatné ve formě častějšího zásahu příkazu stop loss, ale také zvyšuje zisky, kterých je možno dosáhnout, protože denní cenové pohyby jsou větší. U obou strategií přibylo trhů se záporným obchodním výsledkem. Ztrátu přivodilo obchodování všech tří měn, bavlny a při použití money managementu také obchodování zlata. 64

U strategie buy and hold z původních zisků zůstalo jenom zlato, a nově se do zisku vyhoupl také trh amerického dolaru a amerických dluhopisů T-Bonds a T-Notes. Průměrně strategie „cenová přetvářka“ vydělala v období krize 8 576 dolarů na trh při obchodování pouze jednoho jediného kontraktu s úspěšností 52 %. Oproti tomu strategie buy and hold přivodila ztrátu v průměru 23 578 dolarů za každý z obchodovaných trhů. Při použití money managementu bychom od ledna roku 2008 touto technickou strategií průměrně vydělali 24 357 dolarů na trh, zatímco strategie buy and hold by při počátečním účtu 100 000 dolarů přivodila ztrátu průměrně 881 661 dolarů na trh. 7.2.2.2 Oops! Patrně nejznámější vstupní pattern, který Larry Williams objevil, je pattern nazvaný „oops!“. Je založen na přecitlivělé reakci trhu, otevírací mezeře a následném rychlém otočení ceny. Tento pattern je mezi burzovními spekulanty široce rozšířen a mnoho systémových vývojářů ho používá jako jednu z komponent svého obchodního systému. Pattern „oops!“ bychom klidně mohli zařadit do předchozí strategie „cenová přetvářka“, protože je opět založen na opačné reakci ceny, než kterou bychom při prvním pohledu na graf očekávali. Ale vzhledem k tomu, že se ve většině trhů vyskytuje poměrně často, rozhodl jsem se tento pattern testovat jako samostatnou obchodní strategii. Konkrétní situace, která představuje nákupní signál, je den, jehož otevírací cena je pod low předchozího dne. Tato situace je tvořena extrémním prodejem, způsobujícím paniku mezi obchodníky, nahromadění jejich prodejních příkazů před otevřením trhu a jejich následnou realizací při otevření trhu. Tyto emotivní prodeje způsobí to, že otevírací cena je nižší, než nejnižší cena předchozího dne. Vstup do dlouhé pozice v této situaci přichází tehdy, pokud cena dokáže vystoupat až k cenovému dnu předchozího dne. Obrázek 18: Vstup do dlouhé pozice dle signálu oops! a výstup bail out.

Zdroj: Práce autora v Genesis trade navigator

65

Výše uvedený obrázek ilustruje vstup do dlouhé pozice, poté co cena otevřela pod nejnižší cenou předchozího dne a poté dokázala vystoupat zpět k této ceně. Výstup z obchodu je realizován při prvním profitabilním otevření. Situace, kterou v tomto případě vyhledáváme pro vstup do krátké pozice, je přesně opačná. Čekáme na den, jehož otevírací cena je vyšší než high předchozího dne. K takové situaci obvykle dochází po velkém růstu, způsobujícím pocit euforie mezi obchodníky, kteří v naději že tento cenový pohyb bude pokračovat, nahromadí svoje nákupní příkazy před otevřením trhu. Následná realizace těchto příkazů při otevření trhu způsobí to, že je dnešní otevírací cena vyšší než nejvyšší cena předchozího dne. Do krátké pozice pak vstupujeme tehdy, pokud cena klesne až k high předchozího dne. Obrázek 19: Vstup do krátké pozice dle signálu oops! a výstup bail out.

Zdroj: Práce autora v Genesis trade navigator.

Výše uvedený obrázek ilustruje vstup do krátké pozice poté, co cena otevřela nad nejvyšší cenou předchozího dne a poté zpět k této ceně klesla. Výstup z obchodu je proveden opět dle pravidla bail out, při prvním profitabilním open. Hodnota ideálního příkazu stop loss byla stanovena na základě testu obchodování této strategie do konce roku 1998. Při výběru ideální hodnoty jsem bral ohled na výši dosaženého zisku, procento úspěšných obchodů a průměrného zisku na obchod. Ve snaze zabránit přílišné optimalizaci jsem opět dbal na to, aby i sousední dvě hodnoty vykazovaly podobné výsledky jako hodnota mnou zvolená za optimální. Výsledky této strategie za období od 1. ledna 1999 do 16. února 2009 jsou uvedeny v tabulce. Tabulka opět obsahuje počet realizovaných obchodů (#), procento úspěšných obchodů ze všech provedených (%win), výši průměrného zisku na obchod (AT), výši ochranného příkazu stop loss (SL), maximální pokles kapitálu během obchodování (DD), čistý 66

zisk nebo ztrátu (P/L) a zisk nebo ztrátu dosaženou při použití money managementu (MNG). V předposledním sloupci tabulky je opět uveden výsledek strategie buy and hold (B-H) a v posledním sloupci je výsledek strategie buy and hold při počátečním účtu 100 000 dolarů (B-H mng). Detailní výsledky této obchodní strategie jsou uvedeny v příloze č. 2. Tabulka 8: Výsledky strategie „Oops!“ za období 1.1. 1999 - 16.2. 2009. Trh

AT

SL

DD

P/L

MNG

B-H

B-H mng -$3 106 497 -$5 170 952 -$3 496 652

#

% win

Pšenice

397

62.7%

$58 $300 -$5 765

$22 978

$267 600

-$18 888

Bavlna

428

63.8%

$104 $300 -$2 300

$44 590

$305 340

-$54 295

Káva

366

64.5%

$232 $400 -$2 769

$84 908

Vepřové půlky

483

59.6%

$173 $300 -$2 390

$83 535

Zlato

410

67.1%

$50 $400 -$5 565

$20 670

$42 750

$65 290

Platina

301

62.1%

$71 $300 -$2 985

$21 430

$239 265

$35 235

Topný olej

298

57.0%

$242 $300 -$2 673

$72 111

$476 627

$38 993

Ropa

439

50.1%

$133 $300 -$7 385

$58 565

$287 470

$24 940

$3 224 198 $1 631 250 $1 114 080 $615 802

Britská libra Švýcarský frank Americký dolar S&P 500

92

67.4%

$95 $500 -$3 526

$8 740

$64 550

-$1 594

-$108 788

103

67.0%

$174 $400 -$2 360

$17 825

$384 830

-$3 338

-$183 077

300

64.7%

$106 $400 -$3 470

$31 810

$339 770

-$6 740

-$405 292

424

60.6%

$147 $400 -$3 548

$62 305

-$21 713

-$609 388

Dow Jones

228

61.8%

$363 $700 -$3 945

$82 810

-$15 960

-$295 556

Nasdaq

477

61.8%

$212 $400 -$4 675 $101 075

-$20 645

-$917 556

Dax

473

53.1%

$539 $400 -$4 505 $254 848

$210 508 $1 636 425 $369 970 $3 996 388

-$62 025

-$557 528

T-Bonds 30

418

58.4%

$10 612

-$906

-$18 647

T-Notes 10

324

65.4%

-$14 446 $18 $500 -$6 356

$5 865

$15 836

$17 281

$640 037

62%

$161 $400 -$4 627

$57 998

$807 844

-$4 056

-$398 264

Průměr 351 Zdroj: Práce autora.

$28 $500

$11 894

$1 736 323 $3 349 090

-$58 744 $14 160

$874 074

V tabulce můžeme vidět, že výsledky této strategie jsou mnohem více vyrovnané, než v předchozím případě. Výsledek ve všech trzích skončil ziskem, ale i přesto jsou zde trhy, které bych označil za méně vhodné. Tímto trhem jsou americké dluhopisy T-Bonds a T-Notes, protože velikost drawdownu přesahuje výši dosaženého zisku. S otazníkem pak zůstává také trh Britské libry, kde se uskutečnilo podezřele málo obchodů. Nejlépe si strategie vedla v trzích akciových indexů Dax a Nasdaq.

67

Z průměrného hodnocení v posledním řádku tabulky můžeme vyčíst, že vstupy na základě strategie „Oops!“ byly úspěšné v 62 % případů, průměrný zisk při obchodování pouze jednoho kontraktu činil 57 998 dolarů na jeden obchodovaný trh a každým uskutečněným obchodem bychom získali průměrně 161 dolarů. Při testu normality rozdělení zisků a ztrát při obchodování pouze jednoho kontraktu jsem Shapiro-Wilkůvovým testem zjistil nenormalitu tohoto rozdělení, a tak jsem pro testování definované hypotézy použil Wilcoxonův test. Výsledky tohoto testu jsou uvedeny v tabulce č. 9.

68

Tabulka 9: Wilcoxonův test. Záporné odchylky Kladné odchylky Celkem

Příp. 3 14 17

Souč.poř. 16,0000 137,0000 153,0000

Wilcoxonův test = Asymptotický se spojitou korekcí: u-hodnota = dvoustranná pravděpodobnost =

Průměrné pořadí 5,3333 9,7857 9,0000 16,0000

2,8403 0,0045

Zdroj: Práce autora v programu Unistat.

Nízká hodnota dvoustranné pravděpodobnosti 0,0045 zamítá nulovou hypotézu a potvrzuje existenci velmi významného rozdílu ve výši dosaženého výnosu mezi technickou strategií a strategií buy and hold při obchodování pouze jednoho kontraktu. Můžeme tedy s 99% jistotou říct, že tato technická strategie je při obchodování pouze jednoho kontraktu lepší než strategie buy and hold. Při testování normality rozdělení zisků a ztrát při použití money managementu a výchozím účtu 100 000 dolarů byla Shapiro-Wilkůvovým testem zjištěna nenormalita tohoto rozdělení a tak byl pro test definované hypotézy použit opět neparametrický Wilcoxonův test. Tabulka 10: Výsledky Wilcoxonova testu. Záporné odchylky Kladné odchylky Celkem

Příp. 5 12 17

Souč.poř. 37,0000 116,0000 153,0000

Wilcoxonův test = Asymptotický se spojitou korekcí: u-hodnota = dvoustranná pravděpodobnost =

Průměrné pořadí 7,4000 9,6667 9,0000 37,0000 1,8462 0,0649

Zdroj: Práce autora v programu Unistat.

Hodnota dvoustranné pravděpodobnosti 0,0649 tohoto testu je větší než 0,05 a tak na 5% hladině významnosti nelze nulovou hypotézu zamítnout. Existence statisticky průkazného rozdílu ve výši výnosu money-managementované technické strategie „Oops!“ a strategie buy and hold při počátečním účtu 100 000 dolarů se neprokázala a nelze tedy říct, že by v tomto případě byla jedna ze strategií lepší i přes „zdánlivě“ velký rozdíl mezi průměrným ziskem obou strategií. Stejně jako u předchozí strategie „cenová přetvářka“, tak i u strategie „Oops!“ přikládám tabulku, ve které jsou shrnuty obchodní výsledky v období finanční krize. I zde můžeme vidět výrazný vliv zvýšené volatility na sníženou úspěšnost vstupů, ale vzhledem k poměrně nízkému počtu obchodů nemusí být tato statistika plně vypovídající. 69

Tabulka 11: Výsledky strategie "Oops!" v období 1.1 2008 - 16.2. 2009. Trh Pšenice

# 24

% win 29.2%

AT $146

NP $3 505

MNG $50 340

B-H -$21 925

Bavlna

24

54.2%

$394

$9 445 $203 680

-$19 085

Káva

23

52.2%

$163

$3 748

$17 179

-$13 613

B-H mng -$3 606 086 -$1 817 619 -$810 268

Vepřové půlky Zlato

54

54.0%

$60

$3 260

$26 860

-$2 040

-$125 926

9

66.7%

$905

$8 145 $139 030

$9 910

$489 383

Platina

12

58.3%

$447

$5 360

$91 355

-$23 450

Topný olej

11

27.3%

$3

$29

-$3 622

-$56 960

Ropa

6

33.3%

$502

$3 010

$39 090

-$58 980

Britská libra

16

62.5%

$277

$4 433

$48 143

-$32 769

Švýcarský frank Americký dolar S&P 500

8

75.0%

$493

$3 948

$54 785

-$4 488

-$1 085 648 -$1 627 429 -$1 456 296 -$2 236 775 -$246 160

26

42.3%

-$10

-$260

-$8 335

$10 860

$653 037

75

58.7%

$359

-$33 825

-$949 340

Dow Jones

22

68.2% $1,390

-$57 300

Nasdaq

54

66.7%

$233

-$18 345

-$1 061 111 -$815 333

Dax

37

48.6%

$876

-$99 888

-$897 865

T-Bonds 30

55

43.6%

-$162

$26 $253 388 900 $30 $522 385 590 $12 $115 950 570 $32 $41 753 415 -$8 884 -$8 884

$10 625

$218 621

T-Notes 10

61

59.0%

$10

$601

$10 438

$386 574

53%

$358

$8 166

$93 189 -$23 578

-$881 661

Průměr 30 Zdroj: Práce autora.

$1 116

Oproti předchozím výsledkům se v tomto období vyskytly i trhy, ve kterých by obchodování této strategie skončilo ztrátou. Těmito trhy jsou americké dluhopisy T-Bonds, americký dolar a při použití money managementu také topný olej. Naopak nejlépe bychom si s touto strategií vedli v akciových indexech. Zajímavou statistikou se jeví výše průměrného zisku na obchod (AT), která nám říká, že za každý uskutečněný obchod v tomto období bychom získali 358 dolarů, což je poměrně dost vysoké číslo. Průměrně bychom vydělali 8 166 dolarů za každý obchodovaný trh bez použití money managementu. Pokud bychom použili money management, vydělali bychom mnohem více. Průměrný zisk při používání money managementu činí 93 189 dolarů. Oproti tomu se strategií buy and hold bychom při počátečním účtu 100 000 dolarů průměrně prodělali 881 661 dolarů. 70

7.2.2.3 Obchodování akciových indexů a dluhopisů technikou GSV Obchodní technika GSV je založena na oddělování nakupujících a prodávajících účastníků trhu. Pokud se totiž podíváme na graf jakéhokoliv trhu, každá úsečka tohoto grafu nám zobrazuje vztah mezi kupujícími a prodávajícími, resp. jejich sílu v daném časovém okamžiku. Vzájemné postavení otevírací a zavírací ceny nám pak ukazuje, kdo měl v daném časovém okamžiku větší sílu. Pokud je uzavírací cena nad otevírací cenou, zvítězili kupci, pokud je tomu naopak, zvítězili prodávající. Většina obchodních dnů se vyvíjí tak, že cena otevře na nějaké úrovni, pak jde chvíli jedním směrem, pak druhým, pak zase tím prvním a tak se to v průběhu dne různě střídá. Cena tak během dne vytvoří svoje denní high a low a na konci dne uzavře někde nad nebo pod svojí otevírací cenou. Výjimečně se taky stává, že cena nakonec uzavře na stejné úrovni, na které otevřela. Ze vzájemného postavení otevírací a uzavírací ceny pak můžeme určit, která část úsečky reprezentuje kupce a která část reprezentuje prodávající. Pokud vezmeme zjednodušený průběh obchodního dne, například akciového indexu Dow Jones, tak trh otevřel na úrovni 9330 bodů, poté klesl až ke svému dennímu low na 9294 bodů, odtud se odrazil a začal růst až ke svému dennímu high na 9620 bodech a pak uzavřel nad svojí otevírací cenou na hodnotě 9590 bodů. Prodávající, v tomto názorném příkladě, dokázali po otevření trhu cenu stlačit dolů o 36 bodů, aniž by obchodní den skončil celkovým cenovým poklesem. Dá se tedy říct, že tato hodnota představuje tzv. falešný prodejní výkyv. Nákres těchto cenových výkyvů, které se v průběhu dne odehrávají, je na obrázku níže. Červenou šipkou je označen výkyv, který způsobili prodejci, zelenou šipkou je označen výkyv způsobený kupci.

71

Obrázek 20: Cenové výkyvy v průběhu obchodního dne.

Zdroj: Práce autora v Genesis trade navigator.

Teď, když víme, kde v grafu hledat kupce a kde prodejce, můžeme postoupit dál v definování obchodní strategie. Základní myšlenkou je, že pokud se další den pohne cena směrem dolů od otevírací ceny více než o 36 bodů, znamená to, že máme v trhu větší množství prodejců než předchozí den, takže signál k prodeji může být silnější, protože trh přitáhnul větší množství prodávajících než předchozí den. Ve své strategii však půjdeme ještě dále. Pokud sečteme všechny prodejní výkyvy, čili hodnotu open – low, za několik posledních dní a uděláme z nich průměr, získáme tak průměrnou hodnotu prodejního výkyvu, který se v posledních několika dnech odehrál. Signál k prodeji pak bude aktivován, pokud cena klesne pod otevírací cenu více než o hodnotu průměrného prodejního výkyvu. Abychom však pracovali opravdu jenom s prodávajícími, které reprezentuje hodnota open – low, musíme počítat pouze se dny, které uzavřely výše, než otevřely. Nákupní signál získáme opačným postupem. Sečteme všechny nákupní výkyvy, čili hodnotu high – open, za několik posledních dnů a uděláme z nich průměr. Získáme tak hodnotu průměrného nákupního výkyvu. Pokud cena pak vyroste nad otevírací cenu o více než hodnotu průměrného nákupního výkyvu, je to signál k nákupu. Abychom pracovali opravdu jenom s kupujícími, které reprezentuje hodnota high – open, musíme počítat pouze se dny, které uzavřely níže, než otevřely. Další hodnotou, kterou je třeba definovat, je hodnota, která bude představovat dostatečné překročení onoho falešného nákupního nebo prodejního výkyvu. V této strategii spekulujeme 72

proti směru stávajícího pohybu trhu a tak chceme mít jistotu, že se trh pohybuje po „čerstvé půdě“. Budeme tedy chtít, aby cena vzrostla nad otevírací cenu o více než 100 % průměrného falešného nákupního výkyvu, resp. aby cena poklesla pod otevírací cenu o více než 100 % průměrného falešného prodejního výkyvu. Konkrétní % hodnoty nákupního resp. prodejního výkyvu, které budeme přičítat pro nákup nebo odečítat pro prodej od otevírací ceny, zjistíme z testu tohoto obchodního systému na datech do 31. prosince 1998. Stejným způsobem také stanovíme výši ochranného stop lossu. Poslední podmínka pro obchodování akciových indexů pomocí techniky GSV je fundamentálního charakteru. Touto podmínkou je, že nákup se bude realizovat pouze tehdy, pokud cena dluhopisů den předtím uzavřela výše, než před 11 dny. Tímto požadavkem omezíme nákupy akciových indexů pouze na dny, kdy se trh dluhopisů nachází v nějaké formě rostoucího trendu. Důvod tohoto pravidla je prostý, obecně platí, že vyšší ceny za dluhopisy jsou pro akcie býčí. Pro prodej budeme naopak požadovat, aby cena dluhopisů den předtím uzavřela níže než před 11 dny, protože nižší ceny za dluhopisy jsou pro akcie medvědí. Pro obchodování dluhopisů technikou GSV existuje podobné pravidlo, kterým je, že nákup budeme realizovat pouze tehdy, pokud cena zlata den předtím uzavřela výše než před 20 dny. Pro prodej budeme naopak požadovat, aby cena zlata den předtím uzavřela níže než před 20 dny. Důvod pro použití tohoto pravidla je stejný jako u akciových indexů, obecně platí, že vyšší ceny za zlato jsou pro dluhopisy býčí a naopak nižší ceny za zlato jsou pro dluhopisy medvědí. Výsledky obchodování této strategie v období od ledna 1999 do února 2009 uvádím v tabulce níže. Tabulka obsahuje jaké procento průměrného falešného výkyvu jsme přičítali pro nákup nebo odečítali pro prodej od otevírací ceny (% GSV), počet uskutečněných obchodů (#), procento úspěšných obchodů ze všech provedených (% win), výši průměrného zisku na obchod (AT), výši ochranného stop loss (SL), maximální pokles na obchodním účtu během celé doby obchodování (DD), výši čistého zisku (P/L), kterého bychom v daném období dosáhli obchodováním 1 kontraktu a výši čistého zisku při zapojení money managementu (MNG). V předposledním sloupci tabulky je opět uveden výsledek, kterého bychom dosáhli strategií buy and hold (B-H) a v posledním sloupci je uveden výsledek strategie buy and hold při počátečním účtu 100 000 dolarů (B-H mng). Detailní výsledky této obchodní strategie jsou uvedeny v příloze č. 3. Tabulka 12: Obchodování akciových indexů a dluhopisů technikou GSV. % SL DD P/L trh GSV # % win AT

73

MNG

B-H

B-H mng

$5 761 835

S&P 500 Dow jones

120%

418 57.9% $169 $400

$4 115

$70 510

120%

413 58.1% $215 $700 -$9 050

$88 715

Nasdaq

120%

406 55.4% $209 $300 -$2 950

$85 015

DAX T-Bonds 30 T-Notes 10

120%

440 50.5% $420 $500 -$7 385 $184 888

170%

276 61.2% $122 $400 -$4 534

$33 574

$440 495 $4 834 155 $1 309 788 $1 207 489

170%

289 61.9% $109 $300 -$3 236

$31 493

T-Notes 5

150%

315 68.3%

$52 $300 -$2 935

$16 347

T-Notes 2

140%

169 63.9%

$54 $200 -$2 754

$9 124

Průměr X 341 Zdroj: Práce autora

60%

$169

X

-$3 591

-$21 713 -$609 388 -$15 960 -$295 556 -$20 645 -$917 556 -$62 025 -$557 528 -$906

-$18 647

$286 259

$17 281

$640 037

$71 859

$5 250

$299 145

$52 058 $6 563 $1 745 492 -$11 519

$373 932 -$135 695

$64 958

Z výsledků v tabulce je patrné, že strategie je velmi konzistentní. Vyšších zisků bylo pomocí této strategie možno dosáhnout v trzích akciových indexů, ale oproti tomu v dluhopisech bylo vyšší procento úspěšnosti a celkově zde proběhlo řádově o 100 – 150 obchodů méně, než v akciových indexech. Nejhůře si tato strategie vedla v trhu dvouletých amerických dluhopisů, ale ani zde výše poměru drawdownu a čistého zisku nepřesahuje únosnou mez 30 %. Nižší volatilita trhů dvouletých a pětiletých amerických dluhopisů je však znát i na výši průměrného obchodu (AT). Při testování normality rozdělení zisků a ztrát při obchodování jednoho kontraktu jsem Shapiro-Wilkůvovým testem zjistil normální rozdělení a tak jsem pro test definované hypotézy použil parametrický test o dvou středních hodnotách ze závislých výběrů. Tabulka 13: Výsledky testu o dvou středních hodnotách ze závislých výběrů. Rozdíl

Příp. 8

Průměr 76477,6563

Směrodatná odchylka 81347,4280

t-statistika = Stupně volnosti = dvoustranná pravděpodobnost = Rozdíl mezi průměry = 95% Konfidenční interval =

Směrodatná chyba 28760,6590

2,6591 7,0000 0,0325 76477,6563 8469,4562 <> 144485,8563

Zdroj: Práce autora v programu Unistat.

Nízká hodnota dvoustranné pravděpodobnosti tohoto testu 0,0325 zamítá nulovou hypotézu a potvrzuje existenci statisticky průkazného rozdílu mezi velikostí zisku technické strategie GSV a ziskem strategie buy and hold při obchodování jednoho kontraktu v trzích akciových indexů a dluhopisů. Můžeme tedy s 95% jistotou říct, že tato aktivní technická strategie je, při obchodování jednoho kontraktu v akciových indexech a dluhopisech, ziskovější než pasivní strategie buy and hold. 74

Při testování normality rozdělení zisků a ztrát při použití money managementu a velikostí počátečního účtu 100 000 dolarů, bylo zjištěno Shapiro-Wilkůvovým testem normální rozdělení a pro test definované hypotézy tedy mohu použít test o dvou středních hodnotách ze závislých výběrů. Tabulka 14: Výsledky testu o dvou středních hodnotách. Rozdíl

Příp. 8

Průměr 1881187,3750

Směrodatná odchylka 2703865,0829

t-statistika = Stupně volnosti = dvoustranná pravděpodobnost =

Směrodatná chyba 955960,6678

1,9679 7,0000 0,0898

Rozdíl mezi průměry = 1881187,3750 95% Konfidenční interval = -379302,0088 <> 4141676,7588

Zdroj: Práce autora v programu Unistat.

Hodnota dvoustranné pravděpodobnosti 0,0898 neumožňuje zamítnout nulovou hypotézu na hladině významnosti 5 %. Existence statisticky průkazného rozdílu ve výši dosaženého zisku, při použití money-managementované technické strategie GSV a strategií buy and hold při počátečním účtu 100 000 dolarů, se tímto testem nepotvrdila. Nelze tedy říct, že by v tomto případě byla jedna strategie lepší než druhá. Pro porovnání výsledků z období finanční krize zde opět uvádím tabulku, ve které jsou zaznamenány výsledky této obchodní strategie od ledna 2008 do února 2009. Tak jako v předchozích případech je i zde patrný vliv zvýšené volatility, která se projevuje častějším zásahem příkazu stop loss, což snižuje počet ziskových obchodů, na druhou stranu, vetší denní rozpětí umožňuje inkasovat i vyšší zisky, které tyto ztráty kompenzují. Tabulka 15: Výsledky obchodování akciových indexů a dluhopisů strategií GSV od roku 2008. % GSV

#

% win

AT

S&P 500 Dow jones

120%

61

47.5%

$363

$22 133

$799 443

-$33 825

-$949 340

120%

55

52.7%

$745

$40 975

$967 460

-$57 300

-$1 061 111

Nasdaq

120%

62

53.2%

$113

$7 000

$152 455

-$18 345

-$815 333

DAX T-Bonds 30 T-Notes 10

120%

50

46.0%

$632

$31 575

$161 008

-$99 888

-$897 865

170%

40

42.5%

$48

$1 909

$11 313

$10 625

$218 621

170%

38

50.0%

$108

$4 123

$67 526

$10 438

$386 574

T-Notes 5

150%

43

58.1%

$80

$3 449

$53 362

$8 594

$489 672

T-Notes 2

140%

40

62.5%

$89

$3 550

$112 541

$8 062

$459 373

49

52%

$272

$14 339

$290 639 -$21 455

-$271 176

Trh

Průměr X Zdroj: Práce autora.

P/L

75

MNG

B-H

B-H mng

V krizovém roce 2008 a části roku 2009 by obchodování strategie GSV skončilo ziskem ve všech sledovaných trzích. Nejlépe si tato strategie vedla v trhu akciového indexu Dow Jones, naopak nejhůře si vedla v trhu třicetiletých amerických dluhopisů T-Bonds. Oproti tomu pasivní strategií buy and hold bychom v této době vydělali velmi zajímavé peníze ve všech čtyřech trzích amerických dluhopisů. Zisk strategie buy and hold v těchto trzích a tomto období poměrně výrazně převyšuje zisk dosažený strategií GSV. 7.2.2.4 Technika GSV a ostatní trhy Techniku GSV můžeme použít i na ostatní trhy, pouze zde nebudeme chtít, aby zlato nebo dluhopisy uzavřely výše než před několika dny pro nákup nebo níže než před několika dny pro prodej. Výsledky obchodování této strategie jsou uvedeny v tabulce č. 16.

76

Tabulka 16: Výsledky strategie GSV na ostatních trzích.

Trh

% GSV

#

% win

AT

SL

DD

P/L

MNG

B-H

Pšenice

120% 713 64.2%

$75 $300 -$4 508

$53 175

$781 138

-$18 888

Bavlna

120% 692 66.6%

$75 $400 -$3 405

$51 715

$227 035

-$54 295

Káva Vepřové půlky

130% 714 62.5% $175 $400 -$5 623 $124 718

$225 036

-$58 744

B-H mng -$3 106 497 -$5 170 952 -$3 496 652

130% 753 55.0% $134 $300 -$4 255 $100 595

$172 285

$14 160

$874 074

Zlato

120% 705 59.7%

$98 $300 -$8 530

$68 965

$1 661 145

$65 290 $3 224 198

Platina

120% 776 59.9% $110 $300 -$3 355

$85 260

$5 329 620

$35 235 $1 631 250

Topný olej

120% 783 54.7% $333 $300 -$4 098 $260 933 $15 430 673

$38 993 $1 114 080

Ropa

130% 719 55.2% $209 $400 -$5 755 $149 945

$1 522 995

$24 940

$615 802

Britská libra Švýcarský frank Americký dolar

120% 742 58.1%

$54 $400 -$4 329

$39 715

$1 214 963

-$1 594

-$108 788

130% 707 60.1% $105 $400 -$4 058

$74 440

$2 762 883

-$3 338

-$183 077

120% 703 66.6%

$80 $400 -$6 290

$56 055

$297 525

-$6 740

-$405 292

$132 $355 -$4 928

$96 865

$2 693 209

$3 184

-$455 623

Průměr X Zdroj: Práce autora

728

60%

Jak je v tabulce vidět, výsledky strategie GSV jsou i na ostatních trzích velmi dobré. Nejhůře, měřeno poměrem maximálního poklesu kapitálu a čistého zisku, si strategie vedla v trhu zlata, kde tento poměr dosáhl 12 %, což však není vůbec špatná hodnota. Dokazuje to i výsledek obchodování tohoto trhu při použití money managementu. Nejlepšího výsledku tato strategie dosáhla v trhu topného oleje. V tomto vzorku dat poprvé vykazuje i strategie buy and hold nezáporný průměrný zisk, při obchodování jednoho kontraktu na vybraných trzích. Shapiro-Wilkůvovým testem normality rozdělení zisků a ztrát při obchodování pouze jednoho kontraktu, byla identifikována normalita tohoto rozdělení. Pro test definované hypotézy jsem tedy použil parametrický test o dvou středních hodnotách ze závislých výběrů. Tabulka 17: Výsledky testu o dvou středních hodnotách. Rozdíl

Příp. 11

Průměr 93681,4273

Směrodatná odchylka 63340,9125

t-statistika = Stupně volnosti = dvoustranná pravděpodobnost = Rozdíl mezi průměry = 95% Konfidenční interval =

Směrodatná chyba 19098,0037

4,9053 10,0000 0,0006 93681,4273 51128,4765 <> 136234,3780

Zdroj: Práce autora v programu Unistat.

Velmi nízká hodnota dvoustranné pravděpodobnosti 0,0006 vypočtená při tomto testu zamítá nulovou hypotézu a potvrzuje existenci velmi významného rozdílu mezi výší 77

dosaženého zisku při obchodování pouze jednoho kontraktu technickou strategií GSV a strategií buy and hold. Můžeme tedy s 99% jistotou prohlásit technickou strategii GSV, při obchodování pouze jednoho kontraktu, za výnosnější než pasivní strategii buy and hold. Při testování normality rozdělení zisků a ztrát při použití money managementu a velikosti výchozího účtu 100 000 dolarů, bylo prokázáno Shapiro-Wilkůvovým testem nenormální rozdělení těchto zisků a ztrát. Pro test definované hypotézy tak bude v tomto případě použit Wilcoxonův test. Tabulka 18: Výsledky Wilcoxonova testu. Záporné odchylky Kladné odchylky Celkem

Příp. 2 9 11

Souč.poř. 6,0000 60,0000 66,0000

Průměrné pořadí 3,0000 6,6667 6,0000

Wilcoxonův test =

6,0000

Asymptotický se spojitou korekcí: u-hodnota = dvoustranná pravděpodobnost =

2,3561 0,0185

Zdroj: Práce autora v programu Unistat.

Nízká hodnota dvoustranné pravděpodobnosti 0,0185, která byla vypočtena při tomto testu, zamítá nulovou hypotézu a potvrzuje existenci významného rozdílu ve výši dosaženého zisku pomocí money-managementované strategie GSV a strategie buy and hold s výchozím účtem 100 000 dolarů. Poprvé tedy mohu i zde prohlásit s 95% jistotou technickou strategii GSV při použití money managementu jako ziskovější, než strategii buy and hold. Obchodní výsledky této obchodní strategie v období finanční krize jsou uvedeny v tabulce č. 19. Tabulka 19: Výsledky obchodování ostatních trhů technikou GSV od roku 2008.

Trh

#

% win

AT

NP

Pšenice

81 55.6%

$325

$26 345

MNG B-H $1 795 500 -$21 925

Bavlna

89 56.2%

$133

$11 845

$112 070 -$19 085

B-H mng -$3 606 086 -$1 817 619

Káva Vepřové půlky

79 57.0%

$248

$19 630

$121 901 -$13 613

-$810 268

109 47.7%

$69

$7 565

-$125 926

Zlato

100 47.0%

$362

$36 220

Platina

104 46.2%

$340

$35 375

Topný olej

94 51.1%

$738

$69 380

$37 690 -$2 040 $1 357 150 $9 910 $1 694 615 -$23 450 $5 392 737 -$56 960

Ropa

91 52.7%

$872

$79 375

$6 517 -$58 980

-$1 456

78

$489 383 -$1 085 648 -$1 627 429

700 Britská libra Švýcarský frank Americký dolar

296 -$2 236 775

89 44.9%

$47

$4 180

76 52.6%

$170

$12 895

$124 555

-$4 488

-$246 160

90 54.4%

-$20

-$1 775

$299

$27 367

-$14 940 $10 860 $1 560 607 -$19 322

$653 037 -$1 079 072

Průměr 91 Zdroj: Práce autora.

51%

$27 704 -$32 769

I zde je patrný vliv zvýšené volatility v období finanční krize na sníženou úspěšnost jednotlivých vstupů, protože častěji docházelo k zásahu ochranného stop lossu. Oproti předchozím výsledkům se zde objevil i jeden trh, ve kterém by obchodování strategie GSV bylo ztrátové. Tímto trhem je index amerického dolaru, přičemž strategie buy and hold by v tomto trhu dosáhla svého nejlepšího výsledku a vydělala by 10 860 dolarů na kontrakt. Tento výsledek je zároveň poměrně překvapivým, protože USA jsou zemí, kde finanční krize vznikla a tamní banky jsou za ni z velké části zodpovědné. Logickým předpokladem by bylo, že dolar bude v takové situaci klesat, ale opak byl pravdou. 7.2.3 Shrnutí Pro přehledné shrnutí konečných rozhodnutí o platnosti nulové (H0) nebo alternativní (H1) hypotézy jsem připravil následující tabulku, ve které jsou uvedena výsledná rozhodnutí u jednotlivých strategií. Tabulka 20: Souhrn výsledných rozhodnutí při testování hypotéz.

Strategie Cenová přetvářka Oops! GSV GSV ost.

s jedním kontraktem H1 H0 ne

ano

ne ne ne

ano ano ano

s money managementem H0 H1 ano ano ano ne

ne ne ne ano

Zdroj: Práce autora.

Při testování hypotéz o existenci rozdílu ve výši dosaženého výnosu strategie buy and hold a technických strategií, jsem došel k závěru, že při obchodování jednoho kontraktu se ve všech případech prokázal statisticky průkazný rozdíl ve výši dosaženého zisku. Mnou testované technické strategie se tak při obchodování jednoho kontraktu prokázaly jako výnosnější než pasivní strategie buy and hold.

79

Při testování existence rozdílu ve výši dosaženého zisku technické strategie, používající pro řízení rizika a velikosti otevíraných pozic money management, a pasivní strategie buy and hold s velikostí počátečního účtu 100 000 dolarů, se statisticky průkazný rozdíl ve prospěch technické strategie prokázal pouze jednou a to u konceptu GSV a jeho aplikaci na „ostatní“ trhy.

80

8

DISKUZE A ZÁVĚR Ve své diplomové práci jsem se zabýval obchodováním na burze s pomocí technické

analýzy a různých strategií na jejím základě založených. Začal jsem u základních technických indikátorů a testování jejich funkčnosti, při použití základních pravidel k obchodování a skončil jsem u testování funkčnosti konkrétních technických strategií. Výsledky každé z technických strategií jsem, na vybraných trzích, předvedl při obchodování pouze jednoho kontraktu a poté i se zapojením money managementu pro řízení rizika a velikosti otevíraných pozic. Hodnoty dosažených zisků a ztrát technických strategií jsem porovnával se zisky a ztrátami, kterých bylo možno dosáhnout pomocí strategie buy and hold. Na těchto výsledcích jsem také testoval hypotézu o výnosnosti těchto dvou obchodních přístupů. Pro testování funkčnosti základních indikátorů jsem si vybral dvojici exponenciálních klouzavých průměrů s periodou 5 a 20, Bollinger bands, Stochastic, MACD a CCI. Ve výběru tak byly zastoupeny jak oscilátory, tak trendové indikátory a jejich funkčnost byla otestována na 17 vybraných trzích. Výše ochranného stop lossu byla vždy vybrána s ohledem na maximalizaci zisku a i přes to, že většina obchodních systémů byla v obchodování do roku 1999 zisková, tak při aplikaci těch stejných systémů v dalších deseti letech docházelo většinou ke ztrátám. Situace v trzích se změnila a pro úspěšné obchodování těchto systému by bylo třeba změnit nastavení parametrů indikátorů nebo upravit výši ochranného stop lossu. Po takovéto úpravě by byla většina těchto systémů opět zisková, ovšem otázkou zůstává, jak dlouho by toto nastavení jako ziskové vydrželo. Další možností, která s největší pravděpodobností napadne většinu lidí při úvaze nad tím, jak tyto základní obchodní systémy vylepšit a zbavit je ztrátových obchodů, je doplnit stávající systém o nějaký další indikátor, který bude filtrovat nebo potvrzovat obchodní signály původního systému. Často tak vzniká spousta složitých technických obchodních systémů, kde jeden indikátor potvrzuje druhý a dalším indikátorem se filtrují situace v trhu pouze na ty, kdy by mělo být obchodování podle prvních dvou indikátorů nejpřesnější a nejziskovější. Při tom všem se však velmi často zapomíná na základní a velmi důležitou pravdu technického obchodování, tj. že všechny indikátory jsou odvozeny z ceny a tak vše co takový indikátor ukazuje je už dávno vidět na vývoji ceny samotné. Správnou cestou pro vylepšení obchodního systému proto vůbec nemusí být doplnění obchodního systému o nějaký další „zázračný“ indikátor, který zajistí obchodování jen těch 81

úspěšných cenových pohybů. Správnou cestou může být naopak zjednodušení obchodního systému a zaměření se na to, co ovlivňuje vývoj indikátorů a to co reálně obchodujeme, tedy na samotnou cenu případně objem obchodů. Dalším faktem, na který se zřejmě často zapomíná, je to, že technická analýza je analýzou krátkodobou. Každý kdo pomocí technické analýzy obchoduje, to ví, ale i přesto se najde hodně obchodníků, kteří drží své pozice v naději na výrazný zisk velmi dlouho. Někdy dokonce tak dlouho, že se ze ziskového obchodu stane ztrátový. Samozřejmě velmi záleží na obchodním stylu a zvoleném timeframu, každému obchodníkovy může vyhovovat něco jiného. Co se týče timeframu, tak platí jednoduchá rovnice, že čím nižší timeframe obchodujeme, tím nižší jsou naše potenciální zisky. Vždycky chvíli trvá, než zisky narostou a trhu je třeba nechat dostatek času a prostoru pro to, aby se mohl výrazně pohnout požadovaným směrem. Zároveň je však třeba včas přijmout porážku a z obchodu vystoupit dokud je ztráta ještě snesitelná, pokud se obchod nepovedl. Tímto směrem jsem se také vydal při testování mnou zvolených technických strategií. Autorem těchto strategií je Larry Williams, který je vymyslel a obchodoval už v roce 1989. Tyto strategie jsou čistě mechanické a pracují pouze se samotnou cenou. Přes to, že jsou uživatelsky relativně jednoduché, jejich vymyšlení jistě předcházelo nesčetně mnoho hodin pozorování cenových grafů a funkčně jsou velmi robustní a nadčasové. Vstupní patterny těchto strategií často zachycují emoce účastníků trhu a tak v sobě mají i část psychologické analýzy. Jelikož je chování investičního publika značně ovlivněno kolektivní psychologií velkého počtu neinformovaných jednotlivců, je zohlednění tohoto faktu při obchodování podle technické analýzy značnou výhodou. Strach, chamtivost nebo třeba panika takového davu způsobuje mnohdy velké a někdy i zcela iracionální cenové pohyby. V konceptu strategie GSV, pro obchodování akciových indexů a dluhopisů, je jistým způsobem zapojena i analýza fundamentální, ve formě požadavku na směr pohybu dluhopisů při obchodování akcií a zlata, při obchodování dluhopisů. Fundamentální souvislosti těchto požadavků můžeme spatřovat například v tom, že vyšší ceny za dluhopisy vedou ke snížení jejich výnosnosti, což se projeví růstem preferencí investorů ve prospěch akcií a to se projeví růstem akciových indexů. U zlata to může být například tradice tohoto drahého kovu coby uchovatele hodnoty a bezpečné investice v dobách nejistoty na akciových trzích. V takové době se zároveň přesouvají preference investorů směrem od rizikových aktiv, jako jsou akcie, k bezpečnějším aktivům, jako jsou například dluhopisy, což způsobí růst jejich kurzu. Vliv těchto fundamentálních faktorů jsem si ověřoval zvlášť. Při zapojení těchto vlivů do strategie GSV se znatelně snížil počet obchodů, zvýšilo se procento úspěšných obchodů a především se zvýšila velikost průměrného zisku na obchod. 82

Při testování hypotéz o existenci rozdílu ve výši dosaženého výnosu strategie buy and hold a technických strategií, jsem došel k závěru, že při obchodování jednoho kontraktu se ve všech případech prokázal statisticky průkazný rozdíl ve výši dosaženého zisku. Mnou testované technické strategie se tak při obchodování jednoho kontraktu prokázaly jako výnosnější než pasivní strategie buy and hold. Při testování existence rozdílu ve výši dosaženého zisku technické strategie, používající pro řízení rizika a velikosti otevíraných pozic money management, a pasivní strategie buy and hold s velikostí počátečního účtu 100 000 dolarů, se statisticky průkazný rozdíl ve prospěch technické strategie prokázal pouze jednou a to u konceptu GSV a jeho aplikaci na „ostatní“ trhy. Pro strategii buy and hold jsem zde vypočítal objem investice tak, že jsem vydělil počáteční kapitál 100 000 dolarů požadovaným otevíracím marginem pro daný trh. Z tohoto poměru pak vyšel počet kontraktů, který byl v příslušném trhu na počátku sledovaného období nakoupen. Technická strategie byla v tomto případě řízena tak, že nikdy nedocházelo k většímu risku, než 5 % velikosti obchodního účtu a počet kontraktů pro příští obchod byl stanoven podle vzorce Williams risk ratio. V těchto testech, vyjma výše zmíněného konceptu GSV, se především díky trhům zlata, platiny a topného oleje, statisticky neprokázala existence významného rozdílu v ziskovosti strategie buy and hold a technickými strategiemi. Moneymanagementované technické strategie se však prokázaly jako jednoznačně bezpečnější varianta spekulace, než investice typu „all in“ u strategie buy and hold. O tomto faktu svědčí především počet trhů, ve kterých by obchodování skončilo ztrátou. Ve své práci jsem také zdůraznil krizové období, které na finanční trhy působilo v minulém roce. Vzhledem k tomu, že v tomto období si většina trhů prošla výrazným poklesem, tak jsem na těchto výsledcích netestoval definovanou hypotézu, protože strategie buy and hold by byla v tomto případě ve značné nevýhodě. Obchodní výsledky za toto období jsou spíše ilustrativní a demonstrují především vliv těchto bouřlivých dní na výsledky technických strategií. V období finanční krize se na trzích všeobecně vyskytuje zvýšená volatilita, která se projevuje častějším zásahem ochranného příkazu stop loss. Tento fakt pak způsobuje pokles úspěšnosti jednotlivých vstupů, čímž technickým strategiím škodí. Druhým jevem, který se v tomto období objevuje častěji než kdy jindy, jsou panické prodeje a davová psychóza, díky které dochází k velkým cenovým pohybům. V obchodním systému se tento faktor projevuje růstem průměrných zisků a kompenzuje tak pokles úspěšnosti zaviněný zvýšenou volatilitou. Jednoznačnou výhodou technických strategií je jejich flexibilita. Je jim

83

jedno, jestli trh roste nebo padá, realizovat zisk můžou v obou těchto případech a v tomto krizovém období je tato jejich výhoda nejzřetelněji vidět. Existují pouze dva způsoby, jak v této hře jménem spekulace můžeme zvítězit. Buď máme obchodní systém, který má velmi vysokou úspěšnost, ale tato úspěšnost je vykoupena nízkým poměrem RRR (reward-risk ratio), zpravidla menším než 1. Což znamená, že průměrná ztráta tohoto systému je větší než jeho průměrný zisk. Takový systém funguje tak, že např. z deseti obchodů je 8 obchodů úspěšných, ale pak přijde jeden ztrátový, který klidně vymaže dva nebo tři předchozí zisky. Druhou variantou je systém, který má úspěšnost nižší, ale jeho poměr RRR je dostatečně vysoký, takže jeden průměrný zisk pokryje klidně i několik průměrných ztrát. Ale to nejdůležitější na celém obchodování je money management a disciplinovaná ochrana kapitálu, především důsledné používání přiměřeného stop lossu a vyhledávání obchodů s větším potenciálem zisku než risku.

84

9

SEZNAM POUŽITÉ LITERATURY 1. BLATNÁ, D. Statistické aspekty terénních průzkumů II. 1. vyd. Vysoká škola ekonomická v Praze, 1994. 100 s. ISBN 80-7079-377-5. 2. BRADA, J. Technická analýza. 1. vyd. Vysoká škola ekonomická, 2000. 171 s. ISBN 80-245-0096-5. 3. DUFEK, J. Ekonometrie. 1. vyd. MZLU v Brně, 2003. 136 s. ISBN 80-7157-654-9. 4. HINDLS, R. – HRONOVÁ, S. Statistika pro ekonomy. 1. vyd. Praha: Professional Publishing, 2002. 415 s. ISBN 80-86419-26-6. 5. HUDÁK, O. Technická analýza a naše kapitálové trhy. 1. vyd. Brno: Moneco, 1994. 141 s. 6. MINAŘÍK, B. Statistika II pro ekonomy a manažery: základy pravděpodobnosti, úvod do statistické indukce, výběrová zjišťování v sociálně ekonomické statistice. 2. vyd. Brno: Mendelova zemědělská a lesnická univerzita, 2004. 144 s. ISBN 80-7157-788-X. 7. NESNÍDAL T., PODHAJSKÝ P. Jak se stát intradenním finančníkem. 1. vyd. Praha: Centrum finančního vzdělávání, 2008. 288 s. ISBN 978-80-903874-4-7. 8. REJNUŠ, O. Teorie a praxe obchodování s cennými papíry. 3. vyd. Praha: Computer Press Praha, 2004. 258 s. ISBN 80-7226-571-7. 9. TUREK, L. První kroky na burze. 1. vyd. Brno: Computer Press, 2008. 154 s. ISBN 978-80-251-1915-0. 10. TUREK, L. Základy technické analýzy. 1. vyd. Praha: Czechwealth, 2006. 146 s. 11. VÍŠKOVÁ, H. Technická analýza akcií. 1. vyd. Praha: HZ Systém, 1997. 119 s. ISBN 80-86009-13-0. 12. WILLIAMS, L. Dlouhodobá tajemství krátkodobých obchodů. 1. vyd. Praha: Centrum finančního vzdělávání, 2007. 272 s. ISBN 978-80-903874-1-6. 13. Www.financnik.cz [online]. 2004, 25.09.2008 [cit. 2009-01-15]. Dostupný z www: . 14. Www.adaptrade.com [online]. 2004, 14.08.2007 [cit. 2009-01-27]. Dostupný z www: .

85

10 CD S PŘÍLOHAMI

86