Ta nudna dyskusja o AT

Techniczne zachowanie rynków jest tym aspektem ich analizy, który bazuje na zjawiskach wynikających z samego rynku, po wykluczeniu czynników fundamentalnych i innych. W rzeczywistości zachowanie techniczne możemy wyjaśnić jaki przeciwieństwo (antytezę) podejścia fundamentalnego. Czynnikami technicznymi możemy nazwać sumę wszystkich tych czynników odpowiedzialnych za wartość danych akcji po wyeliminowaniu tych wszystkich elementów fundamentalnych.

Richard Schabacker, Technical Analysis and Stock Market Profits (1932)

Określenie „techniczny” w przypadku zastosowania na rynkach akcji ma specjalne znaczenie, nieco odmienne od zwykłej słownikowej definicji. Oznacza ono badanie zachowania się samego rynku, nie zaś badania czy analizy dóbr, które podlegają handlowi. Analiza techniczna jest nauką zapisywania – zwykle w formie graficznej – historii handlu (zmiany cen, wolumenu transakcji itp.) konkretnych akcji lub „średnich” a następnie na podstawie tego historycznego obrazu wywnioskowanie prawdopodobnego trendu w przyszłości.

Robert Edwards, John Magee, Technical Analysis of Stock Trends (1948)

Analiza techniczna to badanie zachowań rynku, przede wszystkim przy użyciu wykresów, którego celem jest przewidywanie przyszłych trendów cenowych.

John Murphy, Analiza techniczna rynków finansowych (1983 – pierwsze wydanie)

Sztuka analizy technicznej – ponieważ jest to rodzaj sztuki – polega na rozpoznawaniu zmian trendu we wczesnej fazie i utrzymywaniu odpowiednich pozycji inwestycyjnych do czasu, gdy pojawią się dostateczne dowody świadczące o tym, że trend się odwrócił.

Martin Pring, Podstawy analizy technicznej (1985 – pierwsze wydanie)

Analiza techniczna zajmuje się badaniem powtarzających się wzorców zmian w danych z rynków finansowych. Badanie to ma prowadzić do prognozowania przyszłych zachowań tych rynków.

Analiza Techniczna dzieli się na dwie kategorie: obiektywną i subiektywną. Subiektywna AT składa się z metod i formacji, które nie są dokładnie zdefiniowane. W konsekwencji, konkluzja wynikająca z metod subiektywnych związana jest z osobistą interpretacją analityka wykorzystującego metodę. To tworzy możliwość, że dwóch analityków wykorzystujących tą samą metodę na tym samym wycinku danych może dojść do zupełnie odmiennych wniosków. Z tego względu metod subiektywnych nie można przetestować, a twierdzenia, które są ich częścią, są pozbawione możliwości wersyfikacji empirycznej. To świetne podłoże sprzyjające rozkwitaniu mitów.

W przeciwieństwie do tego, metody obiektywne są dokładnie zdefiniowane. W sytuacji implementacji metod obiektywnych dla danego wycinka danych rynkowych, generowane przez nie sygnały jednoznaczne. To sprawia, że możliwa jest symulacja metody na danych historycznych oraz określenie jej dokładnego poziomu efektywności. To nazywa się testowaniem na danych historycznych (back testing). Test na danych historycznych metody obiektywnej z tego powodu jest możliwym do powtórzenia eksperymentem, który pozwala testować twierdzenia o zyskowności oraz stwarza możliwość obalania ich za pomocą dowodów statystycznych. To umożliwia sprawdzenie, która z metod obiektywnych jest efektywna, a która nie.

David Aronson, Evidence-Based Technical Analysis (2006)

W najstarszych z cytowanych tekstów (Schabacker, Edwards, Magee) analiza techniczna określana jest jako „nowa nauka”. Nieco mniej naukowością epatują pozostali autorzy, a Pring wręcz pisze o „sztuce”. Czyli w odróżnieniu od czegoś obiektywnego, ścisłego, jednoznacznego i wspartego faktami raczej w tym wypadku chodzi o subiektywny sposób oceny wykresów, choć przy pewnych założeniach. Oczywiście nie należy się dziwić, że w latach trzydziestych można było próbować uznać kilka zasad oceny wykresów za naukę, zaś w latach osiemdziesiątych XX wieku, wiedziano już, że spojrzenie na wykres i próba wyciągnięcia wniosków nie spełnia kryterium nauki.

Najdalej i najprecyzyjniej podsumowuje to autor najmłodszej z wymienionych prac David Aronson. Wyraźnie próbuje odróżnić „organoleptyczną” i mocno interpretacyjną analizę techniczną od takiej, która mogłaby spełniać kryterium obiektywizmu. Wszelkie wykreślanie formacji, trendów i poziomów w gruncie rzeczy nie różnią się od różnego rodzajów testów projekcyjnych (w tym najbardziej znanego testu plam atramentowych Rorschacha), szeroko używanych niegdyś w psychologii i ostatecznie skompromitowanych. To co postuluje Aronson w gruncie rzecz jest na razie wyłącznie weryfikacją danych i próbą znalezienia w ogromnej ich liczbie różnego rodzaju zależności czy wzorów, które mogłyby pomóc w ocenie przyszłego prawdopodobnego ruchu.

Nadal jednak może być to bardzo poważna pułapka. Nie mogę sobie przypomnieć w tej chwili tytułu pracy (chyba z końca XIX wieku) w której autor zamieścił wszelkie możliwe korelacje, jakie udało mu się znaleźć. Oczywiście same korelacje to jeszcze nie związki przyczynowo-skutkowe, podobnie jak istnienie różnego rodzaju wzorów w ogromnej liczbie danych nie oznacza, że owe wzory faktycznie istnieją. Człowiek ma tendencję do wyszukiwania porządku nawet w przypadkowych danych i jest w stanie na niebie wyróżnić kształty i formacje, które istnieją wyłącznie w oku patrzącego.

Ale też z drugiej strony jeśli jesteśmy przekonani, że człowiek działa według pewnych wzorów zachowań (ale nie indywidualnie, tylko jako zbiorowość) to możemy przyjąć, że owe wzorce, związane z emocjami, oczekiwaniami, błędami poznawczymi pojawią się również na zakupach. Bez względu na to, czy robimy zakupy w supermarkecie, czy na rynku.

Nie dziwi nas jeśli algorytm w firmie handlowej zdefiniowany przez człowieka ma za założenie w całej masie kupujących wyszukiwać tych, klientów, którzy są kobietami i zaczynają nagle kupować bezzapachowe balsamy do ciała, a być może dodatkowo różnego rodzaju witaminy, żeby zaproponować przy kolejnych zakupach inne towary, które mogą przydać się przyszłej matce. Istnieje wysokie prawdopodobieństwo, że klientka jest w ciąży (w zależności od różnych zakupów, w określonym trymestrze)

Więc może nie powinno nas dziwić, że po stabilizacji na rynku, która na wykresie przybierze jakiś kształt miły dla oka (flaga, chorągiewka, chusteczka do nosa) założyć, że czeka nas znaczące wybicie.

W jednym i drugim przypadku bazujemy na tym, że w dużej liczbie przypadków  – choć nie zawsze –  tak było wcześniej.

Gdy Doyne Farmer i Norman Packard zakładali w 1991 roku Prediction Company byli sceptyczni co do analizy technicznej, jako próby wyjaśniania zachowania rynków przy pomocy różnych koncepcji, ale nie bez powodu wydali miliony dolarów na zbudowanie bazy danych, w której chcieli znaleźć jakieś wzorce zachowań. U szczytu popularności hipotezy rynku efektywnego Farmer powiedział coś, co śmiało można by włożyć w usta Daniela Kahnemana i Amosa Tverskiego: „Wierzę w teorię rynku nieefektywnego, bazującą na ludzkich fobiach i tłumnych zachowaniach ludzi w grupie.”

Diagnostyka medyczna przez wiele dekad bazowała na umiejętnościach i intuicjach lekarzy, którzy z ograniczonych danych byli w stanie wyciągnąć różnego rodzaju wnioski. Często niepoprawne. O wiele większą skuteczność diagnostyczną mają algorytmy, które są w stanie przeszukać znacznie większe bazy danych i zwrócić uwagę na elementy, pomijane bądź ignorowane przez człowieka.

Analiza techniczna nie jest nauką. Jest wyłącznie narzędziem. Albo zestawem narzędzi. Jedne z nich są proste i bywają wyjątkowo skuteczne. Inne są wyłącznie bajerami. Kolorowymi i robiącymi wrażenie na amatorach, ale zupełnie bezużytecznymi. Część narzędzi nawet tych skutecznych, nie zawsze będzie się przydawała. Podobnie jak młotek całkiem nieźle sprawuje się przy wbijaniu gwoździ, ale już niekoniecznie przy przykręceniu śruby. Spór o to, czy jest nauką, czy nie, czy jest skuteczna czy też nie przypomina spór o to czy młotek jest lepszy od kombinerek i czy w dobie smartfonów w ogóle jest przydatny.