Tvorba pokročilých obchodních systémů

Kontrolu nad správou aktiv přebírají obchodní systémy 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.

Články mají velmi podobnou strukturu – zpočátku vyjmenují „převratné“ objevy na poli informačních technologií a datové analýzy, nezapomínaje na vyjmenování oněch kouzelných slovíček „artifical intelligence“, „datová analýza“, „neuronové sítě“ apod. Dále čtenáře seznámí s výhodami, které tyto technologie přináší oproti správě finančních aktiv člověkem z masa a kostí. Tyto články a publikační materiály jsou si podobné v tom, že se snaží svézt se na vlně moderních technologií. Poté většinou následuje informace o samotném řešení či službě autora a tam už se ta kouzelná slovíčka tolik nevyskytují, nebo se vyskytují vágně a na obecné rovině. Když se podíváte takto propagovaným službám či řešením pod kapotu, tak vidíte stále více či méně stejné přístupy, které zvládne i trochu propracovaný tabulkový editor. Sdělení by se dalo shrnout zhruba následovně: „Existují skvělé nástroje, které se prosazují i do správy aktiv, my se jimi zabýváme…ale nakonec přeci jen děláme takové techniky, které zvládne i „lepší excel“, protože nám prostě stačí. Je to praktická ukázka toho, čemu se dnes říká buzzword. Většina současných řešení, které se na trhu nabízí říká: „Technologického pokroku se musíme držet a jsme v tom díky našemu přístupu jedineční…ve výsledku vybereme do našeho portfolia akcie skvělých technologických společností (například A, B, C) a za rok je vyměníme za X, Y, Z.“ Pointa je v tom, že z globálního pohledu jsou tyto rozdíly pouze kosmetické a vysoká závislost na vývoji globálního trhu zůstává.

Ano, existují společnosti, které takto doopravdy fungují a využívají „state-of-art“ přístupů, které úspěšně aplikují v praxi. Tempo udávají společnosti jako americká Renaissance , či Two Sigma. Nikde, ale nešíří tato slovíčka, to, co ukazují jsou výsledky. K čemu bychom používali nejmodernější technologie, pokud by nám nepřinášela přidanou hodnotu v podobě lepších výsledků? Takové chápaní je natolik intuitivní a přímočaré, že částečně odporuje našim zažitým zvykům – například závislosti zisků strategie na vývoji globálního akciového trhu. Pokud je obchodní strategie korelovaná s pohybem podkladového aktiva nebo s akciovým indexem S&P500, není to dobré a taková strategie musí být buď upravena nebo je z dalšího vývoje vyřazena – tento fakt se zkoumá v první sadě testů nově vznikajícího obchodního systému.

Pointou takového přístupu je snaha o udržení vysoké stability, nikoliv dosažení vyššího zisku. Matematicky řečeno, optimalizačním problémem není maximalizace zisku, ale minimalizace rizika. Honba za maximálním ziskem podléhá spoustě statistických klamů a matematických paradoxů, které číhají na každém výzkumném kroku od historického biasu, overfittingu přes vysokou míru korelace s globálním finančním trhem až po nekontrolovanou míru rizika. V okamžiku dosažení kontroly rizika získává obchodní systém neskutečně silný nástroj v podobě stability. Zisk je pak „pouze“ funkcí ochoty podstupovat riziko a dostupného kapitálu.

Ze základní optimalizační podmínky se pak odvíjí dlouhá cesta výzkumu a vývoje, na jejímž konci se nachází životaschopný autonomní obchodní systém.

• Prvním stavebním kamenem obchodního systému je identifikace obchodní příležitosti. Valná část investorů, které jsem poznal 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.

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, vedoucí vývoje Financial Research Software