Algorytmy, Jim Simons i Analiza techniczna, część 3

Żeby odnaleźć punkt wyjścia dla poniższego tekstu przypomnę konkluzję poprzedniej części:

Świat algorytmowego tradingu pomimo pewnych podobieństw leży jednak dość daleko od świata większości inwestorów technicznych oraz tych, którzy do A.T. w jakiejś części się odwołują. To powoduje, że klasyczni, oldschoolowi inwestorzy niewiele skorzystają z doświadczeń owych skomputeryzowanych quant-traderów.

A czy mogą z nimi konkurować w tej grze za pomocą Analizy technicznej? – zapytałem na koniec poprzedniej części. Czy w ogóle są w stanie to robić za pomocą A.T., którą Simons i jemu podobni już dawno rozszyfrowali do nagiej kości i w znaczącej części odrzucili? A jeśli nie odrzucili, to zajeżdżają te resztki nieefektywności swoimi super maszynami.

Otóż najprostszą odpowiedzią na owe pytania jest odwrócenie logiki i zadanie pytania:

Co można zrobić za pomocą A.T., czego oni nie zrobią za pomocą kodów?

I tu się okazuje, że znajdziemy jednak pewne nisze, które stanowią jakieś światełko w ciemności.

Rynki podlegają nieustannym zmianom, które są szczególnie widoczne od lat 90tych, gdy trading algorytmiczny rozepchnął się szeroko w tej branży i zagarnia, zależnie od instrumentów, od 30 do 70% obrotów. Oczywiście zrobienie przez nich tego samego, na czym skupia się A.T., czyli poszukiwanie i wykorzystanie nieefektywności w historycznych cenach instrumentów było najprostszym krokiem jakie quants mogli zrobić. Jeśli znaleźli jakieś powtarzalne układy i zależności, które dało się systematycznie wykorzystać, zrobili to z pewnością. Nauka udowadnia, że w ten sposób owe efektywności zanikały, a oparte na nich strategie przestały działać.

Trzeba założyć, że ten proces w jakimś stopniu nieustannie ma miejsce. To z jednej strony zawęża możliwości zyskownego użycia A.T., z drugiej natomiast strony to inwestorzy nieumiejętnie posługujący się A.T. stanowią żer dla owych komputerowych predatorów (przynajmniej w grze o sumie zerowej czyli na rynku derywatów).

Żeby jednak nie zniechęcać inwestorów i nie malować świata w takim ciemnych barwach, przygotowałem mały zestaw tych obszarów, w których można odnaleźć swoją niszę z użyciem A.T. Bez gwarancji jednak sukcesu, gdyż jego źródło nie tkwi tylko i wyłącznie w samych wykresach.

   Trading średnio- i długoterminowy.

Algorytmy ustawia się na maksymalizację zysku i minimalizację ryzyka w krótkich lub wręcz ultra krótkich odcinkach czasu, co przyznaje sam Simons. A przy tym rzadko w sposób kierunkowy (otwarcie pozycji na dłużej w jednym kierunku bez jednoczesnego sparowania jej w jakimś innym instrumencie).

Tego typu strategie kierunkowe strategie posiadają długie i głębokie obsunięcia, nie są więc atrakcyjne dla quants, nawet jeśli tkwi w nich przewaga.

Najłatwiej do głowy przychodzą w tym momencie właśnie strategie typu trend-following (podążania za trendem). Simons wprawdzie je odrzuca, ale nie jest pewne z jakich powodów. Być może właśnie z uwagi na słabe proporcje zysk/ryzyko. Nadal bowiem wykorzystuje je inna, bardzo wpływowa na giełdach branża CTA (ok. 350 mld USD w grze) a około połowa z nich robi to w sposób czysto … skomputeryzowany.

   Strategie i narzędzia oparte na intuicji (ang. discretionary trading)

Generalnie klasyczna A.T. zalicza się do intuicyjnego odłamu analiz giełdowych, co w dużej mierze przekreśla jej naukowy charakter. Już poczynając od części narzędzi (np. formacje) typowa A.T. pokazuje swój subiektywny charakter. Wprawdzie można je już dziś kodować, ale tylko w postaci dość uproszczonych modeli, a przecież użytkownicy A.T. wiedzą, ile tam ważnych niuansów. Już samą linię trendu można narysować w kilku różnych przybliżeniach. Albo zbyt radykalne wybicie łatwiej wyczuć na wykresie niż opisać matematycznie.

   Decyzje oparte na intuicji (również discretionary trading) 

Mózg ludzki nadal uważany jest za najdoskonalszy komputer, choć jego przewaga jest coraz bardziej krucha i pewnego dnia być może ulegnie AI, czyli Sztucznej Inteligencji. Póki co jednak sporo decyzji w A.T. opiera się na doraźnej ocenie sytuacji na wykresie i podejmowaniu adekwatnych działań. Na przykład są to: elastyczne, dość nieliniowe użycie stopów, zależne od sytuacji planowanie wejść czy wyjść, a wszystko to trudno zasymulować w komputerach, preferujących twarde dane.

   Mniej znane i mniej płynne rynki

Akcje dużych czy średnich spółek na świecie są już dobrze spenetrowane przez algorytmy z uwagi na wymogi dużej płynności obrotu czy wystarczającej głębokości zleceń. Najczęściej zresztą używa się ich w tzw. Arbitrażu Statystycznym (gra na 2 lub więcej spółkach jednocześnie), co robią fundusze Simonsa ( i krótkoterminowy Medallion i długoterminowe otwarte dla inwestorów z zewnątrz). Znacząco mniejsze szanse istnieją na zainteresowanie się przez algorytmy spółkami mikro, zwane często loteryjnymi, takimi jak u nas na rynku NC. Zresztą nawet spółki z mWIG40 czy sWIG80 to nie ta liga dla tych gigantów.

Istnieje więc sporo obszarów, które omijają algorytmiczne fundusze, nawet jeśli znajdą w nich przewagę. Wprawdzie przeobraziły one ów giełdowy krajobraz, zmieniając zależności istniejące w starszych danych, i wprawdzie sami polują na drobnych inwestorów (szczególnie ich stopy i zlecenia), ale pomimo tego nadal istnieją na rynkach trendy, które da się wykorzystać za pomocą tradycyjnej wiedzy technicznej. Szczególnie gdy powtarzające się zależności i układy udaje się ujarzmić nie w sposób systematyczny (jak w komputerowych strategiach), ale bardziej nieliniowy, czyli właśnie intuicyjny.

Po raz kolejny pojawia się tutaj dylemat – w jaki sposób ta komputeryzacja może pomóc analitykom technicznym w powyższych zadaniach opartych na intuicyjnych rozwiązaniach, które nadal są poza zasięgiem maszyn? A nawet gdyby tym super komputerom i całej owej finansowej inżynierii udało się odkryć systematyczną przewagę w wymienionych wyżej obszarach i ta wiedza dotarłaby do inwestorów technicznych, czy byliby w stanie z niej skorzystać w podobnie „maszynowy” sposób? Wątpliwe…

Jako podsumowanie pojawia kolejne ważne pytanie: nawet jeśli istnieją obszary nie spenetrowane przez algorytmy, w których sprawdzi się klasyczna A.T., która z komputerów korzystać nie potrzebuje, to dlaczego tak wielu inwestorów technicznych albo się poddaje, albo bankrutuje? Czy może jednak powinni w takim razie dążyć za wszelką cenę do poznania doświadczeń i narzędzi Simonsa i jemu podobnych?

Ale o tym w kolejnej części

—kat—