W poprzednich wejściach wskazywałem na szereg problemów, wiążących się z prawidłową klasyfikacją rzeczywistej efektywności A.T.
Komplikacje, wynikające z wyraźnego wyodrębnienia tego czy na ostateczny zysk ma wpływ sama, czysta A.T. czy też inne czynniki, nie przeszkadzają w tym by do osiągnięcia zyskowności zatrudnić wszystkie dostępne metody. Istota rzeczy leży tutaj w tym by całość owego procesu poprawnie i dogłębnie sobie uświadomić, tak by móc identyfikować wszystkie źródła sukcesów i niepowodzeń (tych ostatnich przede wszystkim), a potem móc nad nimi pracować.
Przypomniała mi się pewna, już niemal apokryficzna historia, którą chciałbym odtworzyć z pamięci i postaram się nie zagubić najistotniejszych jej szczegółów. Co jakiś czas wraca ona w dyskusjach w środowisku traderów, szczególnie systemowych, ale nie gwarantuję, gdyż nigdy nie sprawdzałem, że jest w 100% prawdziwa 🙂 Ma jednak znamiona autentyczności, najważniejszy jest jednak zaskakujący i jak zwykle edukacyjny morał.
Armia amerykańska postanowiła zainwestować słone środki w badania nad budową inteligentnego systemu komputerowego wykrywania obcych pojazdów na polu walki. Miałby on usprawnić efektywniejsze przeszukiwanie terenu, komputer zawsze przecież w sprawach mechanicznych prześciga człowieka, a następnie optymalnie sterować ogniem w czołgach. Zbudowano więc skaner optyczny i aby sprawdzić jego działanie zrobiono bodajże, o ile pamięć mnie nie myli, 100 zdjęć różnych maszyn bojowych ukrytych na przeróżne sposoby (za drzewem , skałą, krzakiem itd.), a następnie dla celów porównawczych jeszcze raz sfotografowano dokładnie te same miejsca (znów 100 zdjęć), ale już bez obecności owych ruchomych celów militarnych.
Podzielono potem obrazy na 2 zbiory, po 50 sztuk z pojazdami i 50 bez pojazdu w tym samym miejscu. Pierwszą partią tych zdjęć z pojazdem nakarmiono skaner by nauczyć system rozpoznawać owe charakterystyczne cele. Dla kontrastu pokazano mu teraz partię 50 fotek bez maszyn, inteligentny system dostał więc bazę do wyłapania i zakodowania w pamięci różnic.
W kolejnym kroku sprawdzono skuteczność procesu nauki, pokazując systemowi drugą, nie widzianą przez niego połowę zdjęć z pojazdami ukrytymi za obiektami. I skaner bezbłędnie wykrył wszystkie obce maszyny bojowe!
Jeśli komuś proces taki kojarzy się z działaniem sieci neuronowych do handlu na giełdzie czy algorytmami genetycznymi, to ma rację. Również znanym procesem wśród systemowców powinno być testowanie zasad wykrywania charakterystycznych wzorów na 2 niezależnych próbkach: in-sample oraz out-of-sample.
Ale wróćmy do opowieści. Radości z rewelacyjnych wyników nie było końca – ordery, nagrody, imprezy itd.. Jednak któregoś z generałów tknęło, by zrobić dla pewności jeszcze jeden test, z kolejną partią zdjęć z ukrytymi wrogimi celami, której system jeszcze nie widział. Pstryknięto więc dodatkowe fotki i wsunięto w oczy skanera. Rezultat? Klęska! System nie wykrył żadnego z pojazdów! Cóż się okazało? Zdjęcia ukrytym celom w pierwszej fazie – „nauki” skanera – zrobiono w pochmurną pogodę, podczas gdy fotki miejsc już bez ukrytych pojazdów w słoneczny dzień. Skaner szybko się nauczył, że wróg jest tam gdzie zła pogoda, kiedy natomiast niebo jest słoneczne – niebezpieczeństw nie ma! Dodatkowa partia zdjęć została zrobiona przy pogodzie bliższej dobremu nasłonecznieniu, więc system całkiem przytomnie posłużył się swoją bazą „pogodową” zamiast bazą „konturów pojazdów”, którą najprawdopodobniej zwyczajnie zignorował…
Nie chcę udowadniać w ten sposób, że komputery radzą sobie gorzej z rozpoznawaniem charakterystycznych wzorów, robią to znacznie lepiej i szybciej niż człowiek, pod warunkiem, że dostaną precyzyjne instrukcje. Natomiast ludzkie oko, pozostałe zmysły oraz inteligencja są jednak dużo bardziej elastycznym narzędziem identyfikowania powtarzalności nieliniowych, nieregularnych, wymagających nieco wyobraźni. To podstawowe wsparcie dla wszelkich subiektywnych narzędzi technicznych.
Nie ma jednak tego dobrego co by na złe nie wyszło…
Problem w tym, że jak wiemy z poprzedniego wpisu sama powtarzalność nie definiuje jeszcze zyskowności. Z tego co wiem mało kto z techników zajmujących się chartingiem (formacje, linie) rzeczywiście obliczył, ustalił, przetestował lub w ogóle jest w stanie podać prawdopodobieństwa powtórzeń dla narzędzi, które sam używa (właśnie z powodu subiektywności, obciążonej dodatkowo błędami poznawczymi). Nie mówiąc o powiązaniu tego z zarządzaniem stopami, których prawidłowe użycie definiuje sporą część zyskowności.
Nie znaczy to jednak, że subiektywne metody nie działają. Szanse na to są, i choć nie potrafię przedstawić na to twardych dowodów to obstawiałbym, że spora część skutecznych techników-celbrytów, którzy nie określają się jako systemowcy, wplata w swoje decyzje podpowiedzi pochodzące z intuicji, wyczucia i własnego uznania. Trzeba mieć jednak zawsze, i nie tylko z tyłu głowy, że ten rodzaj działania w dużym stopniu obciąża losowość – nieregularne użycie tych narzędzi powoduje, że nawet w przypadku braku w nich przewagi udaje się czasem wejść akurat w te ich przypadki wystąpienia, które zadziałały (ziarno i ślepa kura) i na odwrót – narzędzie może posiadać przewagę, którą rujnujemy swobodnym użyciem.
Jedyną, ale nie gwarantującą NICZEGO drogą ulepszenia takiego warsztatu jest doskonalenie umiejętności, setki doświadczeń, cyzelowanie rozumienia rynku od strony jego dynamiki, zmienności i motoryki. Nie można jednak w żadnej chwili zapominać, że przyczyną porażek NIE JEST w takiego rodzaju subiektywnym tradingu Analiza Techniczna – nie działa ona bowiem w tym momencie na zasadzie wyłączności w sensie, który często mamy na myśli czyli jako automatyczny generator zysków. Jej rola sprowadza się w tym zestawieniu do zamiany tysięcy różnych informacji na ceny (wykres) i uporządkowanie ich (i myśli zarazem) w formę powtarzalnych wzorów.
Obarczanie A.T. winą za ewentualne niepowodzenia działa dobrze jako psychologiczny odgromnik, służący do wyładowania złych emocji. Nie zmienia to jednak faktów, dla własnego dobra postarajmy się wyszukać rzeczywistych motywów „nie działania”.
CDN
–Kat—


Dodaj komentarz