Od února běží testovací provoz našeho automatického obchodního systému Momentum Formula postaveného na ropě a zlatě. V příspěvku reportujeme výsledky systému.

Start testu 15/2/2019
Počet testovaných dní 138 (ke dni 2/7/2019)
Počet obchodů 74
Hodnota kapitálu 15/2/2019 1 000 USD
Hodnota kapitálu 2/7/2019 1 158 USD
Zisk (YTD) 15.8 %
Riziko (maximální propad) 11.42 %
Zisk přepočtený ročně (=pokud by se stejně dařilo po celý rok) 47 %
SharpeRatio (počet jednotek zisku na jednu jednotku risku) 2.18

Příkazy jsou exekuovány prostřednictvím Interactive Brokers.
Výsledky jsou zobrazeny včetně chyb, které se v průběhu období staly (například systém o víkendu spadl).

Systém jsme v průběhu sledovaného období dále vylepšili. Odstranili jsme chyby v infrastruktuře, a dále jsme obohacovali model o nové informace, abychom eliminovali propady. Níže se můžete podívat na propady, kterých dosahuje reportovaná strategie (modrá křivka) a propady ve zlepšené verzi, kterou budeme brzy nasazovat do ostrého provozu (oranžová křivka).

Rizikovost tohoto systému v případě ropy je okolo 5 % (to znamená, že strategie zaznamenala největší pokles hodnoty majetku o cca 5 %). Podkladové aktivum (ropa) za sledované období (2015 – konec 2018) vykazuje maximální propad okolo 50 % (poklesová epizoda červen 2015 – únor 2016, další pak září 2018 – prosinec 2018).

Vedoucí vývoje FRS, Michal Dufek

Celý článek na webu businessinfo.cz

Nové technologie a změna v charakteru práce manažerů a investorů s daty představují významnou hybnou sílu změn na poli finančních služeb. Zásadním posunem v oboru je využívání stále komplexnějších softwarových nástrojů pro získání lepších podkladů pro rozhodnutí v oblastech diverzifikace, řízení rizika a vyhledávání vhodných obchodních příležitostí.

Pokročilá analytika, vizualizace, práce s daty a automatizace umožňují řešit komplexnější a náročnější úkoly, které vedou ke zlepšení výstupů portfolia manažerů a umožňují dosahovat lepších výsledků, což v konečném důsledku vytváří vyšší konkurenci na trhu správy aktiv.

Jednou z aplikací, kterou v rámci globálního trhu FINTECH vyvíjí české společnosti je například AnalyticalPlatform.com „Finanční analytik průměrně stráví skenováním trhů a zpracováním nových informací tři až sedm hodin denně, díky našemu software dokáže tento čas zkrátit na jednotky minut,“ uvádí Michal Dufek, vedoucí vývoje FRS (Financial Research Software) ze společnosti CYRRUS ADVISORY. Pokračovat ve čtení na webu businessinfo.cz

Celý článek na webu tyinternety.cz

Uživatelské recenze využívá na svých e-shopech čím dál více značek. Není divu, dávno už totiž neplatí, že se Češi rozhodují především podle nejnižší ceny. Mezi nejdůležitější aspekty, podle kterých si lidé zboží vybírají, patří hodnocení ostatních zákazníků, recenze a zkušenosti s nákupem. Z výsledných dat, která si nechala v roce 2018 zpracovat Asociace pro ekonomickou komerci, se při nákupu podle recenzí rozhoduje až 95 % Čechů.

Přístup k uživatelským recenzím je u českých e-shopů velmi individuální. „Nejúspěšnější e-shopy si uvědomují, že základem úspěchu je spokojený zákazník. Ten sám tvoří pozitivní reference mimo jiné formou uživatelských recenzí,“ říká Jan Vetyška z Asociace pro elektronickou komerci. A čím více recenzí e-shop nabízí, tím více roste návštěvnost.

E-shopy, které recenze využívají, mají vyšší konverzní poměr, takže dokáží zákazníka lépe přesvědčit,“přibližuje Daniel Višňák, marketingový odborník specializující se na e-shopové prostředí.

Přesto by se podle Višňáka měly e-shopy uživatelským recenzím věnovat více. „Recenzí v dnešní době využívá jen velmi nízké procento e-shopů, ačkoliv je to obrovská konkurenční výhoda. Jednou z variant, kterou by se mohly e-shopy s nižším počtem objednávek, a tím pádem i nižším počtem recenzí, vydat, jsou vlastní testy nabízeného zboží. Tento způsob je ale dnes v českém prostředí využíván jen minimálně, ačkoliv skvěle funguje. Vytvoříte tak unikátní obsah, který si mezi sebou zákazníci sdílí a tím pádem roste i návštěvnost vašeho e-shopu a následně i prodej,“ doplňuje Višňák. Pokračovat ve čtení na webu tyinternety.cz

Celý článek na webu touchit.sk

Řada lidí se před sezónou letních dovolených rozhoduje, zda si pořídit nový digitální fotoaparát či zrcadlovku. Z více než milionu recenzí na tuzemském internetu, které společnost Cyrrus Advisory analyzovala pomocí nástroje využívajícího umělou inteligenci, přitom vyplývá, že více než cenu Češi řeší zejména množství funkcí nebo to, jak si fotoaparát poradí s horšími světelnými podmínkami.

Softwarový produkt MTA (zkratka pro Multicriterial Text Analysis), na jehož vývoji společnost CYRRUS ADVISORY pracuje, využívá umělou inteligenci pro pokročilou analýzu textu. V uplynulých měsících nástroj zpracoval více než milion veřejně dostupných uživatelských recenzí na digitální fotoaparáty a zrcadlovky zejména v českém jazyce, ale také ve slovenštině. Pokračovat ve čtení na webu touchit.sk

Anotace

V dnešním, článku se podíváme na analýzu cenového vývoje, která je známá již celá staletí – technickou analýzu. Podíváme se na ni ovšem z odlišného úhlu pohledu než bývá obvyklé – skrze obchodní logiku, která se za technickou analýzou skrývá. V rámci našich aplikací pro odhalování a využívání obchodních příležitostí připravujeme i software PatternLab, jehož základy jsou postaveny právě na technické analýze.

Vzory v chování cenového pohybu – kde se berou a jak je využít?

Esencí systému pro obchodování na finančních trzích bývá určitý vzor v chování cenového pohybu, který má tendenci opakovat se a je tedy něčím, co můžeme nazvat systematickou chybou. Tyto chyby (šumy) v datech vznikají opakujícím se specifickým chováním silných účastníků trhu, a pro jejich pochopení je nutná alespoň základní znalost mikrostruktury trhu (= znalost pojmů: tržní účastníci, typy příkazů, objednávková kniha a hloubka trhu).

Ukázka specifického vzorce chování ceny (dvojité dno, technická analýza)

Opakující se cenové vzory jsou průvodním jevem, který zrcadlí chování (nákup/prodej) takového účastníka trhu, který má sílu při provádění svých nákupů/prodejů hýbat s tržní cenou nakupovaného/prodávaného aktiva, přičemž tento průvodní jev nemusí být samotným tržním účastníkem vůbec pozorován. Vezměme si jako příklad imaginární penzijní fond, který bude každý den v 11:00 hodin provádět úpravy svých pozic na akcii společnosti “S”, například bude likvidovat svoje pozice (bude prodávat). Likvidaci pozic velkých objemů mají často na starosti jednoduché algoritmy, které časují prodeje po dávkách tak, aby nevytvářely tlak na cenu, což by poškozovalo samotného exekutora příkazů (prodával by za nižší cenu). Technicky řečeno, účastník trhu – penzijní fond, posílá do objednávkové knihy burzy značné množství prodejních příkazů, čímž vytváří tlak na pokles ceny. Vzhledem k tomu, že o této situaci ví, prodejní příkazy do objednávkové knihy posílá v časových intervalech tak, aby dopad jeho konání na tržní cenu aktiva byl, co nejmenší. Jako vedlejší produkt tohoto procesu vzniká cenový vzor, který můžete vidět na obrázku výše.

Takové systematické chyby vznikají na různých časových rámcích, v různých podobách. Důvody pro vznik takového cenového vzoru mohou být samozřejmě různé, z nichž některé mohou být i exaktně pozorované (narozdíl od našeho příkladu, kdy můžeme pozorovat proces, ale velmi obtížně identifikujeme konkrétního původce), například reakce na vyhlášení kvartálních výsledků hospodaření společnosti. V níže uvedené tabulce můžete vidět ukázky změn některých makroekonomických proměnných, které mohou mít za následek vznik cenového vzoru.

Změny ekonomických dat

Zdroj: https://tradingeconomics.com/

Obchodní myšlenka, postavená na pozorování cenových vzorů, je velmi jednoduchá: pokud pozoruji určitý vzor (systematickou chybu) v cenovém vývoji, tak dostávám z trhu informaci o tom, že nastává situace, která je mi známá a že pozoruji proces, ve kterém vím, co konkrétně se na trhu děje. Obchodníci této situaci říkají “najít svůj trh”. Využití této situace je intuitivní – pokud vím, kdo, co a proč na trhu provádí, mohu dle této situace složit svůj obchodní příkaz tak, abych participoval na cenovém pohybu. Jak jsem poukazoval v jednom z předchozích příspěvků, ani při využití této obchodní příležitosti se neopíráme o výstupy predikčních modelů, ale jedná se o reakci na nastalou situaci, respektive odhalení a využití vzniklé obchodní příležitost.

Praktické využití

Náš tým připravuje aplikaci, která Vám pomůže při hledání Vámi preferovaných cenových vzorů, tím, že za vás prohledá tisíce titulů a otestuje, zda je výskyt těchto cenových vzorů statisticky významný, čímž vám uspoří spoustu času při studiu i skenování trhů. Aplikace je navíc vybavena funkcí, která vás informuje vždy v okamžiku, kdy se na sledovaném trhu vámi preferovaný cenový vzor objeví, čímž budete mít zajištěno, že vám žádná obchodní příležitost neunikne. Poté, co bylo vytvořeno celkové workflow aplikace, vrcholí researchové práce na patternech, které jsou v aplikaci zobrazeny. Jakmile bude knihovna s předdefinovanými vzory dokončena, bude vytvořeno finální produkční prostředí.

Pokud vás zajímá více informací o naší službě, neváhejte nás kontaktovat.

Michal Dufek

V dnešním příspěvku představíme náš MTA (Multicriterial Text Analysis) software. Produkt MTA uživatelům významně usnadňuje rozhodování v oblasti nakupování nejrůznějších produktů či služeb.

Motivace

Produkt si klade za cíl pomoci zákazníkům orientovat se ve velkém množství názorů publikovaných na internetu na konkrétní zboží nebo služby, které by si chtěli zakoupit nebo využít. Uživatelské recenze a hodnocení jsou rozesety na nejrůznějších diskusních fórech, webech pro hodnocení produktů či portálech zabývajících se konkrétní problematikou. Pro běžného uživatele je obtížné a časově náročné  tyto informace vyhledat, zorientovat se v nich a udělat si vlastní názor.

MTA architektura

Sběr dat

Na sběr dat používáme sadu nástrojů (crawlery) pro stahování uživatelských recenzí a článků o vybrané skupině produktů nebo služeb. Tyto crawlery jsou přizpůsobeny struktuře definovaných webů a získávají z nich relevantní data, která mohou při analýze témat a postojů pomoci. Máme připravenou sadu crawlerů, pomocí nichž jsme už stáhli více než milion uživatelských recenzí.

Pre-processing

Při získávání dat čelíme obvykle několika problémům. Jeden z hlavních spočívá v různém způsobu označování produktů na různých webech. Přestože se jedná o identický produkt bývají v názvech odlišnosti, které identifikaci produktů komplikují. Např. produkt “Canon EOS 600D” se skrývá ve všech následujících prodejních názvech:

Důležité je správně rozpoznat, které názvy identifikují stejný produkt a sjednotit k nim publikované recenze. V tomto procesu využíváme metod strojového učení.

Získané recenze je nezbytné dále upravit pro zjednodušení následné analýzy. Nejprve je nutné rozdělit je na jednotlivé větné celky, které obvykle obsahují samostatná témata. Následně  upravujeme slova do základního tvaru a odstraňujeme diakritiku. Dále je vhodné odebrat slova, která nenesou požadovanou informační hodnotu (např. předložky, spojky, apod). K tomu využíváme jednak vlastní POS analyzátor, který přiřazuje slovům ve větě slovní druhy, a také dataset se stop slovy vytvořený vlastními silami.

Takto upravené dokumenty převedeme do do vektorového tvaru s využitím metodiky Tf-idf.

Analýza textu

Pro analýzu velkého množství nestrukturovaných dat využíváme metod strojového učení. Pomocí nich v datech identifikujeme nejvíce diskutovaná témata a určujeme pozitivní nebo negativní postoj recenzentů k jednotlivým vlastnostem produktů. Pomocí shlukovacích metod (k-means) rozdělujeme recenze do shluků se stejnými tématy. Daří se nám identifikovat shluky s vysokou mírou vnitřní integrity, kde se identifikovaná témata týkají hlavních parametrů zkoumaného segmentu produktů. Takto vytvořené shluky pro daný segment, založené na odborných článcích, dále používáme pro klasifikaci recenzí k jednotlivým produktům.

Prezentace výsledků

Nejjednodušší forma prezentace výsledků textové analýzy, kterou využíváme, je statický report. Tento výstup obsahuje názvy produktů, jejich diskutované vlastnosti a statistiku o tom, jak často jsou uvedené vlastnosti vnímané pozitivně respektive negativně.

Příklad

Nikon D850

pozitivní:

* vyborne rozliseni obrazoveho snimace,
* citlivost ostreni je vyborna,
* dobre se drzi ruce,
* bezkonkurencni kvalita obrazu,
* podsviceni zadnich tlacitek,
* 4k uhd video 1920 x 1080 / zpomaleni zaznamu,
* nikon d850 me mile prekvapil,
* vyborne zvladnuty sum hodnoty 6400,
* ergonomie.

negativní:

* cena,
* velka spotreba gb,
* prodrazi optice,
* vyuziti potencialu je potreba mit primerene kvalitni optiku coz znamena nejlepsi mani,
* cena kvalita neni zadarmo.

Aktuálně připravujeme interaktivní webovou aplikaci spolu s aplikací pro mobilní zařízení.
Současně bude dostupné také API s pravidelně aktualizovanými údaji, pro snadnou integraci do již existujících řešení.

Pro další informace nebo poskytnutí zpětné vazby nás neváhejte kontaktovat.

Jan Přichystal