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

Při tvorbě investičních strategií se ve většině případů vychází z analýzy chování sledovaných finančních instrumentů na historických datech. Hlavní axiom je tedy ten, že na základě historického chování jsme schopni kvantifikovat určité vzorce, které se budou vyskytovat i v budoucnu a budou mít podobný průběh.

Vzory chování můžeme identifikovat pomocí tří typů analýzy

Nejčastěji používána analýza pro hledání vzorů je analýza technická. Historická cenová data jsou velmi jednoduše dostupná i v minutové granularitě a v podstatě jde o analýzu vzájemné polohy hodnot cen open, high, low a close v určitém časovém úseku nebo o hodnotu technických indikátorů. Pro vyhledávání vzorů pomocí technické analýzy lze využít knihovnu Ta-lib (https://www.ta-lib.org/), které je open-source a obsahuje nejznámější technické indikátory (Bollinger Bands, Average True Range, Moving Average, RSI, Commodity Channel Index, Money Flow Index, …) a také obsahuje předdefinované cenové vzory (Three Black Crows, Doji, Hanging Man, Marubozu, Shooting Star, …). Využívání samotných cenových vzorů pro analýzu budoucího vývoje cen je velmi silným nástrojem z důvodu velmi rychlé možnosti automatizovaného testování na historických datech a přímého vyjádření chování samotné ceny sledovaných finančních instrumentů.

Inovace

V rámci interního vývoje modulu PatternLab je cílem využít standardní dostupné a obecně známé cenové vzory a obohatit je o další vstupní parametry. Obohacení provádíme dvěma způsoby. První způsob je založen na pozici cenového vzoru vůči historickému průběhu ceny. V praxi to znamená, že v případě sledování cenového vzoru DOJI nás dodatečně zajímá, zda-li se tento vzor vyskytl jako například maximum aktuálního týdne nebo na maximu posledních měsíce.

Druhý způsob obohacování cenových vzorů spočívá v dodání fundamentální informace jako je například datum vyhlášení dividendy, earnings, změny ve vedení společnosti atp. Tyto informace lze získat ze serveru Quandl (https://www.quandl.com), který agreguje různé zdroje tohoto typu. V praxi to znamená, že je sledován vzor DOJI pouze několik dní po dividendě nebo pouze při překvapivých earnings výsledcích či změnách v managementu.

Je také možné implementovat alternativní datové zdroje jako je analýza sociálních médií (Instagram, Facebook, Youtube, Twitter – https://www.quandl.com/databases/SMA1 ), satelitní snímky (https://www.quandl.com/databases/RSMMS ), provoz na železnicích pro jednotlivé komodity (https://www.quandl.com/data/RR1-Railroad-Traffic ).

Přínos pro uživatele PatternLabu

Výše uvedené metody a postupy jsou zakomponovány do aplikace PatternLab, která slouží uživatelům k prohledávání finančních aktiv a vyhledávání požadovaných/hledaných cenových vzorů. Uživatelé PatternLabu budou mít možnost snadno využít naprogramovaných obohacených cenových vzorů, čímž dostanou nástroj pro přesnější analýzu budoucího vývoje ceny sledovaných finančních instrumentů.

V případě zájmu o bližší informace k analytickým nástrojům nás kontaktujte na info@cyrrusadvisory.cz nebo na telefonním čísle +420 538 705 775.

Jan Budík