Kontrolu nad správou aktiv přebírají automatické obchodní systémy (AOS)[1] založené na datové analýze, artifical intelligence, machine-learningových metodách, a to především neuronových sítích. Robotické obchodování postavené na algoritmech předčí člověka.
Říkáte si, že tohle už jste někde četli? Pravděpodobně ano, v poslední době vzniká spousta marketingových materiálů i akademických publikací, které se soustředí na prosazování moderních technologií do správy finančních aktiv.
V dnešním příspěvku se proto podíváme, jak taková příprava funkčního AOS probíhá.
- Prvním stavebním kamenem obchodního systému je identifikace obchodní příležitosti. Valná část investorů žije v domnění, že se jedná o to celé „tajemství“, pravdou však je, že se jedná pouze o první krok k vytvoření stabilního a profitabilního systému. Obchodní příležitost může mít spoustu podob, od „získávání“ rozdílu mezi nabídkou a poptávkou, přes technickou analýzu, kde nejde prakticky o nic jiného než vyhledávání systematických odchylek v cenovém vývoji až po fundamentální analýzu, která hledá obchodní příležitost na základě vývoje determinantů (například počasí u plodin a plynu, politická situace a zásoby u ropy, zadluženost u firem apod.). Tato obchodní příležitost je ztělesněna sadou pravidel, například pro otevření a uzavření obchodu. Sílu, nebo chcete – li velikost takové obchodní příležitosti měříme takzvanou alfou. V okamžiku, kdy vaše obchodní pravidla generují pozitivní alfu, jste udělali první z kroků vedoucích k vytvoření profitabilního obchodního systému.
- V dalším kroku je prostor pro hrubou výpočetní sílu. Zde se často objevuje další chyba (v tomto případě již o něco více pokročilých tvůrců obchodních systémů). Jedna skupina preferuje využití „hrubého výpočetního výkonu“ pro hledání obchodních příležitostí bez prvního kroku (identifikace obchodní příležitosti). Tato snaha vede k vytvoření sady pravidel, které historicky vedly k ziskům, ale absence obchodního a ekonomického smyslu je příčinou velmi malé vypovídací schopnosti o fungování systému v budoucnu. Tomuto jevu se říká overfitting a vykazuje se nízkou stabilitou reálných výkonů. Oproti tomu druhá skupina odmítá využití tzv. fittování výnosové křivky z výše uvedeného důvodu a pravidla stanovují dle zkušeností. Tímto krokem se sice tvůrce vyhne nebezpečí overfittingu, nicméně je velmi pravděpodobné, že se nachází v bodě mimo lokální maximum, nebo jinými slovy, nepoužívá optimální pravidla pro danou obchodní příležitost, čímž se nepohybuje na efektivní hranici množiny možných řešení. Využití této hrubé výpočetní síly pro optimalizaci parametrů (za pomoci genetického programování nebo tzv. parameter sweepingu, méně hrubou variantou jsou neuronové sítě) v paradigmatu dané obchodní příležitosti posouvá obchodní systém na lokální maximum množiny možných řešení.
- Ve třetím kroku zasadíme obchodní systém do širšího kontextu tak, že porovnáváme jeho výstupy (realizované obchody) s vývojem potenciálních determinantů nebo prediktorů (mezi takovými determinanty může být například volatilita, časová prémia futures kontraktů, riziková prémia opčních řetězců, ale i statistické veličiny jako šikmost, špičatost, průměr, hurstův exponent měřící persistenci trendu apod.). Po identifikaci statisticky významných determinantů se vytvoří skoringový model, který hodnotí závislost úspěšnosti obchodního systému na vývoji významných determinantů.
- Výstupem modelu je informace nabývající binárních hodnot (představme si semafor na přechodu pro chodce), která říká obchodnímu systému, kdy je pro něj výhodné obchodovat a kdy je lepší držet se stranou (chápejte kdy má větší šanci uspět).
- V okamžiku, kdy máte takovýchto obchodních systémů více můžete přistoupit k poslednímu kroku, ve kterém optimalizujete zapojení jednotlivých obchodních systémů tak, abyste se pohybovali na efektivní hranici portfolia, neboli, abyste při požadované míře rizika dosahovali maximálního výnosu.
Ukázka AOS Momentum Formula, 15.2.2019-2.7.2019, 74 obchodů, YTD 15,8 %, zdroj CYRRUS ADVISORY.
Na konci vstupuje člověk v roli kontrolora a „údržbáře“ takového obchodního systému. Žádná strategie nedokáže běžet v reálném prostředí bez údržby a kalibrace. Tuto roli stále vykonává člověk, stejně jako roli kontrolora.
State-of-art technologie vám pak dodávají dobrý technický nástroj pro dosažení vašich cílů – tyto technologie jsou rychlejší, přesnější, výpočetně efektivnější, ale nikdy nevyřeší vše za vás, nedokáží nadefinovat problém a nedokáží špatně definovaný problém vyřešit.
Michal Dufek, Fintech specialist
Článek vznikl při příležitosti Roku digitálního podnikání, tématu Služby 4.0, oblasti Chytré finance. Grafika úvodního obrázku – Rok digitálního podnikání 2019, zdroj AMSP ČR.
[1] Automatický obchodní systém je počítačový program, který automaticky generuje nákupní či prodejní objednávky, a to na základě předem definovaných pravidel obchodní strategie.