Dlaczego Analiza Techniczna nie działa? Część 3

Kolejna przyczyna problemów z działaniem A.T. tkwi w samej właściwości rynków.

Powód nr. 2 Niestacjonarność

Kursy dowolnych instrumentów zmieniając się w czasie tworzą zrozumiałe dla naukowców z różnych dziedzin tzw. szeregi czasowe. Analiza Techniczna zakłada, że zmiany ceny przeszłych i przyszłych punktów w tych szeregach są od siebie w jakimś stopniu zależne, co pozwala na dokonywanie prognoz. Jednakże zależności te okazują się być bardzo niestacjonarne, co znacznie utrudnia całą tę techniczną robotę.

Na czym polega owa niestacjonarność?

W dużym skrócie: otóż w statystyce to proces, w którym prawdopodobieństwa wystąpienia pewnych zdarzeń zmieniają się w czasie i zależności tych nie da się zapisać w konkretne reguły. Ten sam sygnał wywołuje zupełnie inną reakcję rynku w różnych okresach. Istnieje dość bogata literatura naukowa, która udowadnia, że rynki finansowe są niestety niestacjonarne. Oznacza to, że ceny poruszają się w cyklach, których struktury się zmieniają. Te cykle (ang. regimes) różnią się  wariancjami, semiwariancjami, średnimi, a uważa się zresztą, że ceny to jedno wielkie błądzenie losowe, które posiada w przypadku akcji pewien trend.

Trudne, ale prosty przykład pozwoli to zrozumieć.

Załóżmy, że udało się nam odkryć, iż po przecięciu przez średnią 50-dniową od dołu średnią 200-dniową, ceny na rynku akcji rosną, a po powtórnym przecięciu się ich w odwrotną stronę w 80% przypadków notowaliśmy zyski (trafność 80%), które znacznie przekraczają straty z 20% transakcji nietrafionych. Zaczynamy stosować ową regułę, a tu okazuje się, że ta proporcja nagle uległa zmianie i teraz po takim przecięciu trafność gwałtownie spada do 50%. Zaczynamy tracić inwestując według tej reguły. Rynek pokazał swoje okrutne oblicze niestacjonarności.

Niewykluczone, że teraz najlepszą trafność można osiągnąć przy przecięciu się średniej 30-dniowej ze 150-dniową. Ale po kolejnych 2 latach i ta strategia przestaje działać. I być może teraz inny dobór dwóch średnich okaże się zyskowny. Albo że na przykład ponownie zaczyna działać pierwotny zestaw średniej 50- i 200-dniowej. Jednak odkrycie reguły tego, które średnie aktualnie działają przekracza nasze możliwości.

Szeregi danych charakteryzujące się niestacjonarnością w zasadzie nie nadają się do modelowania ani do robienia prognoz. Starsze dane mogą się okazać przez to bardzo zwodnicze, ponieważ prawidłowości w nich ukryte mogą się nie powtórzyć przy zmianie takich cykli (ang. regime shift). Aby te prawidłowości działały nadal, rynek musiałby poruszać się w cyklu o podobnej charakterystyce. Najłatwiej dostrzec te zmiany, gdy rynek mocno trendowy po latach nagle zmienia się w płaski, boczny trend długookresowy.

To zjawisko dotyka niemalże wszystkie narzędzia techniczne, które zestawia się w strategie gry. W związku z tym i systemy transakcyjne oparte o A.T. mają ograniczony „czas życia”, czasem działając jeszcze przez jakiś czas, inny razem wywalając się niemal od razu. Systemy transakcyjne to jedynie systematycznie użyte narzędzia z zakresu A.T., dotyczą je te same reguły, choć niewielka część z nich bywa odporna niestacjonarność. Celem samouczących się komputerów (machine learning, Artificial Intelligence) ma być ujarzmienie tych niestacjonarnych procesów, odkrycie reguł ich zmian i systematyczne na tym zarabianie, co już ponoć zaczyna się udawać.

Powodów tego niekorzystnego dla techników zjawiska jest wiele. Przede wszystkim stoi za tym nieustanna ewolucja rynków. Przekształca się ich dynamika i zmienność, skracają lub wydłużają trendy, zmienia płynność, zmieniają się autokorelacje między cenami (zamiast trendowości mamy powrót do średniej), wchodzą nowe instrumenty, a przede wszystkim krajobraz zmieniają algorytmy. Analiza techniczna wymyślona dziesiątki lat temu bazowała na zupełnie innym środowisku, na bardziej „trendowych” rynkach. Można to zresztą łatwo ocenić robiąc testy tych samych reguł na danych sprzed dziesiątków lat i dzisiaj.

Teoretycznie mózg ludzki, jako najdoskonalszy komputer, potrafi „pokonać” niestacjonarność swoją elastycznością, wielozadaniowością, intuicyjnymi refleksami. Choć i on polegnie, jeśli na rynku zabraknie wystarczającej ilości trendów, a przecież to ich długość ma decydować o zyskowności.

Z drugiej strony powtarzalność graficzna np. formacji technicznych może stawiać pewien opór niestacjonarności dużo bardziej niż narzędzia, w których trzeba dobierać parametry (jak w średnich, kanałach cenowych, wskaźnikach). Formację można wyrysować w danym miejscu tylko jedną, i nie trzeba do niej używać parametrów matematycznych. A wszelkie wskaźniki to przecież zbór zmiennych parametrów i poziomów sygnalnych, które łatwo ulegają destabilizacji wraz ze zmianą charakterystyki rynku. Niemniej jednak brak wyraźnych ruchów „po” wygenerowaniu sygnału nawet z formacji technicznych, nie pomoże w osiągnięciu zyskowności. Zaczynają one w niedogodnych warunkach puszczać więcej fałszywych sygnałów.

Nie można jednak mylić niestacjonarności ze zwykłymi obsunięciami kapitału. To bowiem normalne, że np. strategia podążania za trendami nie będzie działać gdy zmienność na rynku wyschnie. Aczkolwiek strategie ułożone na podstawie danych o innej charakterystyce cyklu mogą rzeczywiście od obsunięć przejść do całkowitego braku działania przy zmianie cyklu. Taka zmiana zaszła na przykład na przełomie obecnego wieku w USA, głównie z powodu algorytmów, co spowodowało, że wiele od lat działających strategii kompletnie przestało się sprawdzać.

Jak żyć z tym w takim razie?

Cóż, rada jest jedna, i dość wyraźnie zaznaczyłem ją w poprzednim wpisie: zarządzanie ryzykiem przez ucinanie małych strat i pielęgnowanie powstałych zysków. Na nieliniowe procesy działamy nieliniowym działaniem obronnym. Liczą się wówczas rzeczywiste umiejętności tradera, jego pomysłowość, doświadczenie i inwencja.

  CDN

—kat—-