Jak inwestował Ed Seykota, król mechanicznych systemów gry

Przybliżamy sylwetkę i metody inwestycyjne jednego z najlepszych traderów z Wall Street w drugiej połowie XX wieku. To początek serii artykułów o najlepszych graczach w historii rynków akcji.

Aktualizacja: 11.02.2017 12:15 Publikacja: 19.09.2013 06:00

Jak inwestował Ed Seykota, król mechanicznych systemów gry

Foto: GG Parkiet

Trzy reguły dobrego systemu: po pierwsze ucinaj straty, po drugie ucinaj straty i po trzecie ucinaj straty. Tak wyglądała recepta na zyski Eda Seykoty, jednego z najbardziej znanych amerykańskich traderów drugiej połowy XX w. W latach 1972–1988, inwestując pieniądze swoich klientów, zamienił 5000 dolarów w ponad 15 milionów. W środowisku inwestorów uznawany jest za pioniera automatycznych systemów transakcyjnych. Jego metody inwestycyjne do dziś stanowią inspirację dla początkujących i profesjonalnych graczy. A ponieważ warto uczyć się od najlepszych, postanowiliśmy cyklicznie na łamach „Profesjonalnego inwestora" prezentować strategie i sylwetki najbardziej uznanych traderów w historii rynków kapitałowych. Zaczynamy od Eda Seykoty.

Zwykłe skrzyżowanie

Strategia inwestycyjna Seykoty opierała się na bardzo prostym i popularnym schemacie – przecięciu dwóch wykładniczych średnich kroczących. Nie był to jednak jego własny wynalazek. Do wykorzystania tych narzędzi zainspirował go artykuł Richarda Donchiana, znanego wówczas inwestora i twórcy wskaźników technicznych, dotyczący sygnałów transakcyjnych uzyskiwanych przez przecięcie średnich z 5 i 20 sesji. Wskazanie kupna powstawało wtedy, gdy szybsza średnia (5 sesji) przebiła od dołu wolniejszą (20 sesji). Skrzyżowanie w odwrotnym kierunku stanowiło sygnał sprzedaży.

Seykota, biegły w programowaniu komputerowym, przeprowadził szereg testów, w których badał różne kombinacje długości średnich. Z jego analiz wynikało, że różnica między długościami średnich nie może być zbyt mała, ponieważ przekłada się to na zbyt duży udział kosztów transakcyjnych w wynikach całego systemu.

Po ostatecznej optymalizacji Seykota otrzymał wartość 11 sesji dla szybkiej średniej oraz 56 sesji dla wolnej. Jeśli na wykresie doszło do przecięcia obu linii, na otwarciu kolejnego dnia notowań dokonywany był zakup danego instrumentu. Tak wyglądał fundament systemu, który Seykota stosował przez długie lata swojej inwestycyjnej kariery.

Filtr i stop

Ale na samym kryterium wejścia na rynek strategia się nie kończy. Warunkiem koniecznym do otwarcia pozycji było istnienie trendu wzrostowego. Seykota identyfikował trend, korzystając z teorii Dowa (coraz wyżej położone lokalne szczyty i dołki) oraz własnego narzędzia – potencjalnego zakresu zmiany. Jeśli sekwencja lokalnych ekstremów była zachowana, a dynamika zmian nie odbiegała od oszacowanego wzorca (wzorzec, czyli regularny zakres zmiany, obliczany był na bazie danych z przeszłości), system dawał zielone światło do wejścia na rynek.

Co ciekawe, Seykota nie stosował żadnych narzędzi do ustawiania zleceń stop loss. Przyjmował tylko sztywne założenie, że wszystkie pozycje były zamykane, jeśli wartość rachunku, licząc od jego maksymalnej wartości, skurczyła się o 5 proc.

Zarządzanie wielkością pozycji

Ostatnim elementem całego systemu był sposób ustalania wielkości pozycji, czyli liczba instrumentów możliwych do nabycia. Seykota korzystał z bardzo znanej dziś metody bazującej na ryzyku kapitałowym i zakresie zmiany. Co do pierwszego elementu – zakładał, że w pojedynczej transakcji może ryzykować 10 proc. kapitału. Zakres zmiany był natomiast mierzony wskaźnikiem zmienności ATR pomnożonym przez pięć. Wielkość pozycji w tej metodzie obliczana jest przez podzielenie ryzykowanej kwoty przez wartość zwielokrotnionej zmienności. Przykładowo, jeśli dysponujemy 100 000 zł i inwestujemy w akcje spółki ABC, dla której ATR wynosi 5 zł, możemy nabyć 400 akcji (10000 zł/(5x5 zł)).

Strategia Eda Seykoty, dzięki precyzyjnemu określeniu każdego z jej elementów, była całkowicie zautomatyzowana. Trader starał się być konsekwentny, ale dopuszczał jednak zmiany reguł, jeśli te stare przestawały przynosić oczekiwane rezultaty. Czasem zdarzało mu się brać wolne od rynku, jeśli zaliczył zbyt długą i bolesną serię strat. To pokazuje, że w każdym, nawet najbardziej zmechanizowanym systemie powinno znaleźć się miejsce dla działania intuicyjnego.

Praktyczna przydatność

Dziennikarze miesięcznika „Traders" sprawdzili skuteczność strategii Seykoty na indeksie S&P500 w latach 2003–2013. Przetestowali ją w najprostszej wersji – bez stop lossów i zarządzania wielkością pozycji. System zawarł 23 transakcje, z czego 11 było zyskownych (trafność 48 proc.). Stosunek średniego zysku do średniej straty wyniósł z kolei 3,2, a zatem oczekiwana stopa zwrotu systemu była dodatnia (0,48x3,2 – 0,52x1=1,016). Wyniki testów pokazały więc, że podstawowa wersja strategii Seykoty wciąż ma potencjał do pokonania rynku w długim terminie. Jeśli wzbogacimy ją o metodę zarządzania wielkością pozycji i odpowiednie linie obrony, rezultaty mogą być jeszcze bardziej korzystne.

[email protected]

Postanowiliśmy przetestować system Eda Seykoty na rynku kontraktów terminowych na WIG20 dla okresu od początku 2000 r. do zamknięcia wtorkowej sesji. Przyjęliśmy uproszczoną wersję strategii – sygnał kupna powstaje, gdy średnia wykładnicza z 11 sesji przetnie od dołu średnią wykładniczą z 56 sesji (wejście na rynek następuje na otwarciu następnej sesji), a przecięcie odwrotne jest sygnałem zamknięcia pozycji. Symulacja zakładała grę jednym kontraktem (brak zarządzania wielkością pozycji), a stop loss ustawiany był w odległości 5 proc. od kursu otwarcia pozycji.

W ciągu 13 lat system zarobił 875 pkt. System zawarł 33 transakcje, z czego 13 było zyskownych (trafność 39 proc.). Relacja średniego zysku do średniej straty wyniosła natomiast 2,3. Z otrzymanych rezultatów wynika, że oczekiwana stopa zwrotu z systemu jest dodatnia i wynosi 0,287 (0,39x2,3–0,61x1). Nie jest to niestety rezultat obiecujący, zwłaszcza że nie wzięliśmy pod uwagę kosztów transakcyjnych. System wymaga jednak bardziej precyzyjnych testów, które uwzględnią przede wszystkim metodę zarządzania wielkością pozycji.

Ed Seykota, czyli trader łączący inteligencję z wrażliwością

Edward Seykota urodził się 7 sierpnia 1946 roku w Holandii. W młodości mieszkał w Voorburgu i ukończył szkołę średnią w Den Haag. Potem wraz z rodziną wyjechał do Stanów Zjednoczonych, gdzie rozpoczął studia na MIT (Massachusetts Institute of Technology) i uzyskał dyplom z inżynierii elektrycznej. Karierę inwestycyjną rozpoczął w latach 70. od pracy w dużej firmie maklerskiej. To wtedy zbudował swój pierwszy system transakcyjny, który miał inwestować pieniądze klientów na rynku terminowym. System okazał się bardzo skuteczny (w tamtych czasach była to zupełna nowość), ale jego wyniki pogarszali szefowie, którzy nie zawsze stosowali się do jego wskazań. To skłoniło Seykotę do rezygnacji z pracy i rozpoczęcia działalności na własny rachunek. Jak się później okazało, była to dobra decyzja. W latach 1972–1988 pomnożył kapitał jednego z klientów o 250 tys. proc. Jack Schwager przyznał potem w książce „Czarodzieje rynku", że nie znał innego tradera, którym w takim okresie osiągnąłby tak spektakularny wynik.

Przez wiele lat zamiast na Wall Street czy w Chicago Seykota pracował w domu nad jeziorem Tahoe z widokiem na góry Sierra Nevada. Jego aktywność inwestycyjna sprowadzała się do kilku minut potrzebnych na uruchomienie systemu. Wolny czas poświęcał na zgłębianie tajników psychologii spekulacji.

Słownik trudnych pojęć

Wykładnicza średnia ruchoma (Exponential Moving Average, EMA)

| Jest to specyficzna postać ważonej średniej ruchomej, z tą jednak różnicą, że wagi nie zmieniają się liniowo, tylko wykładniczo (każda waga, odpowiadająca dawniejszemu notowaniu, jest pewnym ułamkiem poprzedniej wagi). Oznacza to, że do notowań dawniejszych przykładane są dużo mniejsze wagi (niż w przypadku ważonej średniej ruchomej) niż do bardziej aktualnych. Średnia wykładnicza została skonstruowana, ponieważ prosta średnia pokazywała sygnały transakcyjne zbyt późno. Stosowanie EMA może pozwolić uchwycić nowy trend wcześniej, czyli zwiększyć potencjalną stopę zwrotu. Z drugiej strony średnie EMA mogą generować wiele mylnych sygnałów, jeśli po ich wystąpieniu trend nie będzie kontynuowany we wskazanym kierunku.

ATR (Average True Range)

| Jest to wskaźnik zmienności. Jego bazowym składnikiem jest współczynnik TR, czyli prawdziwy zakres zmiany. Jest to najwyższa z trzech następujących wielkości: różnicy między dziennym maksimum i minimum; różnicy między dziennym maksimum a kursem zamknięcia z dnia poprzedniego (liczymy zmianę bezwzględną), różnicy między dziennym minimum i kursem zamknięcia z dnia poprzedniego (tu również obliczamy wartość bezwzględną). Sumując wartość TR dla interesującej nas liczby sesji i uśredniając otrzymany wynik, otrzymamy gotowy ATR.

Inwestycje
Uspokojenie nastrojów sprzyja korekcie spadkowej na rynku ropy naftowej
Inwestycje
Niemiecki DAX wraca do walki o 18 000 pkt
Inwestycje
Michał Stajniak, XTB: Kakao na ścieżce złota, szuka rekordów
Inwestycje
Łańcuch wartości i jego rola w badaniu istotności
Inwestycje
Ujawnienia w ESRS dotyczące łańcucha wartości
Inwestycje
Pozyskanie danych z łańcucha wartości – bezpośrednich i pośrednich