Ewolucja strategii transakcyjnych

Tytuł w zasadzie wyjaśnia treści, których można spodziewać się w tym wpisie. I systemowców i traderów technicznych zapewniam, że będzie ciekawie.

Akademia dość często sięga po narzędzia i strategie oparte o analizę cen lub inne techniki z zakresu Analizy Technicznej, na przemian udowadniając ich skuteczność lub wręcz przeciwnie – jej brak. Kiedy przedmiotem analiz stają się niemal pełne systemy transakcyjne to nie mogę sobie odmówić wywleczenia wyników badań i wniosków na blogu 🙂

W elektronicznej bibliotece SSRN znalazłem świeżutką jeszcze pracę Christophera Neely pracującego dla Federal Reserve Bank St. Luis i Paula Wellera z University of Iowa, pod tytułem:

„Lessons from the Evolution of Foreign Exchange Trading strategies”

(w moim tłumaczeniu: “Lekcje z ewolucji strategii tradingowych na rynku walut”).

Ostatnio nadwyraz często czytam o tym, że rynek walutowy rozczarowuje zarządzających rachunkami, głównie z powodu braku zmienności i doniosłych wydarzeń, co jak zakładam ma z góry ustawić klientów na słabe wyniki. W przywołanej pracy autorzy proponują dla kontrastu strategie oparte o dość proste, patrząc z naszej perspektywy aktywnych traderów, zasady techniczne. Zasadniczym zagadnieniem, z którym próbują się zmierzyć jest kwestia adaptacji owych strategii do zmieniających się warunków na rynkach. To rodzaj ewolucji nowego dla akademii typu, odległego bowiem od Hipotezy Efektywnego Rynku, o którym wspomnę w osobnym wpisie. Szukając odpowiedzi na pytanie o możliwość adaptacji strategii do środowiska panowie konstruują ciekawy test wart prześledzenia, a nie wykluczone, że i zastosowania praktycznego.

Ich propozycja i stosowny do niej test na danych historycznych (co ważne – z ponownym testem na próbie nie widzianej w teście) wygląda bowiem następująco:

Tworzymy zbiór prostych strategii różnego typu, co miesiąc układamy je w ranking wg. wskaźnika Sharpe’a, po czym do realnego tradingu zaprzęgamy tylko te z czoła tak stworzonej listy.

Strategie użyte do testów:

1/ Oparte o zasadę filtrowania

Kupujemy walutę notowaną do dolara gdy kurs danej pary rośnie o X % od ostatniego minimum a sprzedajemy gdy kurs spada o X % od ostatniego maksimum. Jako X użyto 7 różnych wartości – 0,5 ; 1; 2; 3; 4; 5 i 10%

2/ Przecięcie 2 średnich o różnych długościach.

Znane więc nie wymaga tłumaczeń.

Badano przecięcie następujących par średnich: 1 i 5 dniową, 5 i 20 dniową, 1 i 200 dniową

3/ Wybicie z kanału cenowego

W zgodzie z klasycznymi regułami kupno rynku gdy kurs wybija się ponad maksimum cenowe z ostatnich X dni + 10 pips, sprzedaż krótka gdy kurs przebija minimum z X dni minus 10 pips.

Pod X podstawiano 5, 10 i 20 dni

4/ Tzw. carry trade

Polega na zajęciu długiej pozycji jeśli stopa oprocentowania waluty przez dzień (dokładnie tzw. overnight) dla waluty jest wyższa niż dla dolara US$, krótka pozycja gdy zachodzi warunek odwrotny.

Mamy więc test 14 strategii aplikowany dla 14 par walutowych, w których US$ jest notowany do funta, franka szwajcarskiego, dolara australijskiego, hongkońskiego oraz kanadyjskiego, korony szwedzkiej, jena, randa, bahta, korony czeskiej, rubla i marki niemieckiej wymiennie z EUR. 14×14 daje nam 196 pojedynczych strategii. Dla realności wyników uwzględniano uśrednione koszty transakcyjne na podstawie kwotowań bid-ask z Bloomberga. Źródłem notowań stała się baza Rady Gubernatorów Systemu Rezerw Federalnych, a dla stóp procentowych – zasoby banku B.I.S..

Najpierw test puszczano na próbie złożonej z 500 dni od początku dostępnych notowań każdej pary i uszeregowano wyniki wg. wskaźnika Sharpe’a. Potem co 20 dni układano nowy ranking w ten sam sposób. Gwoździem tego badania był sposób wyboru strategii do gry na kolejne 20 dni: otóż zgodnie z zasadą ewolucji z każdego kolejnego rankingu wybierano tylko te, które w ostatnim okresie wyprodukowały najwyższy wskaźnik Sharpe’a. Założono bowiem hipotezę, że owe najlepsze mają szansę pobić resztę w kolejnej, 20-sto dniowej próbie (która zarazem stawała się próbą realnej wartości każdego systemu na danych nie widzianych w teście, wspomniane wyżej). I tak w 20-sto dniowych cyklach przetestowano całe dostępne dane za lata 1975-2010.

Tak jak dla strategii akcyjnych benchmarkiem do porównań jest zmiana wartości indeksu (np. WIG20) tak dla walut nie istnieje jeden, powszechny i popularny wskaźnik dla odniesień. W tym badaniu zrobiono pewien benchmark syntetyczny: policzono stopy zwrotu wszystkich 14 strategii dla każdej z par walut a następnie wynik uśredniono. W ten sposób ustalono średni wskaźnik zyskowności wynoszący 2,63% rocznie. Jednym słowem gdyby w ruch od początku puszczono wszystkie te proste metody można by rocznie uzyskać 2,63% zysku. Nie było tu zarządzania pozycjami ani nie wiem jak duży zastosowano lewar, ale skoro nie wspomina się go więc zakładam domyślnie że w proporcji 1:1.

I teraz jako odniesienie spójrzmy na wynik taktyki ewolucyjnej czyli co 20 dni roboczych wybieramy najlepsze strategie z rankingu i stosujemy je przez kolejne 20 dni:

Jeśli wybrano jedynie tylko 1 najlepszą strategię wówczas zysk wyniósłby 6,53% rocznie brutto i 5,95% rocznie netto.

Gdyby natomiast grano jednocześnie 10 strategiami z czołówki wówczas zysk średni brutto wyniósłby 5,77%, a netto 4,94% rocznie.

Ktoś mógłby uznać wyniki za skromne, ale nie o wartości nominalne w tej nieskomplikowanej metodzie idzie. Po części prezentuję ją dla pokazania, że proste, techniczne strategie mają wartość dodaną, po drugie – dla podrzucenia inspiracji do zarządzania systemami, po trzecie –dla kilku ciekawych wniosków, o których w kolejnym wpisie.

—Kat—