Warsztat inwestora

Optymalizacja wskaźników technicznych, a dokładniej mówiąc optymalizacja ich parametrów, jest ważnym etapem w budowie każdego systemu transakcyjnego. Większość inwestorów poszukuje zestawu parametrów, który najlepiej ?sprawdził? się w przeszłości, a następnie w oparciu o niego podejmują bieżące decyzje inwestycyjne. Podstawą takiego działania jest założenie, że optymalny historycznie zestaw parametrów powinien przynieść zyski także w przeszłości.

Większość systemów transakcyjnych konstruowana jest z myślą o osiąganiu za jego pomocą jak najwyższych zysków. Dokonując optymalizacji parametrów wskaźników inwestorzy kierują się fundamentalnym założeniem analizy technicznej o powtarzalności zachowań historycznych. Nic zatem dziwnego, że dominująca metoda optymalizacji wskaźników polega na poszukiwaniu maksymalnego zysku osiąganego w przeszłości. Zdania analityków co do skuteczności tego rodzaju działania są bardzo podzielone, choć najczęściej przyjmują oni w tej kwestii bardzo krytyczne postawy. Dysponując losowo wybraną serią danych można bowiem za pomocą zabiegu optymalizacji niemal zawsze uzyskać bardzo dobry wynik. Jest on zazwyczaj tym lepszy, im dłuższy jest analizowany okres oraz im większy zakres (nie liczba!) optymalizowanych parametrów. Nie należy jednak przeceniać tej zależności, ponieważ, co potwierdza praktyka, rewelacyjne wartości parametrów otrzymane na danych historycznych bardzo rzadko przekładają się na dobry wynik prognostyczny.Budując mechaniczny system transakcyjny dokonujemy najczęściej założenia, że zbiór danych (notowań), jakimi dysponujemy, cechuje pewnego rodzaju powtarzalność. Dobieramy zatem taki wskaźnik, który naszym zdaniem w najlepszy sposób ułatwi ocenę i wychwytywanie podobnych sytuacji. Brak takiego założenia w praktyce wyklucza sens budowy jakiegokolwiek systemu opartego na wskaźnikach analizy technicznej.Warunki optymalizacjiPowyższe założenia, jakkolwiek niezbędne w budowie skutecznej strategii inwestycyjnej, mogą okazać się jednak niewystarczające. Dotyczy to zwłaszcza takich ?młodych? rynków, jak warszawska GPW. Jeżeli w serii danych można wyróżnić elementy cykliczności, jego okres musi być na tyle krótki, aby pozwalał na weryfikację skuteczności opartej na nim strategii.Nie istnieje jedno dominujące stanowisko na temat zakresu danych, jakie należy wykorzystywać w procesie optymalizacji parametrów wskaźników analizy technicznej. Można wyróżnić istnienie dwóch skrajnych poglądów w tej kwestii.Czysto teoretyczne podejście mówi, że liczba uwzględnianych notowań musi być większa niż możliwości interpolacyjne systemu. Wyjaśnię to na podstawie próby odtworzenia historycznego przebiegu z użyciem inwestycji składających się z wielu akcji.Załóżmy, że chcielibyśmy, aby w przeszłości, na przykład w ciągu grudnia 2000 r., nasza inwestycja zwiększała wartość codziennie o 1%. Zamierzamy skonstruować taką inwestycję z użyciem akcji notowanych na WGPW. Zakładamy ponadto, że dokonujemy inwestycji pierwszego grudnia, a zyski realizujemy w ostatnim dniu roku oraz że każda z akcji bez żadnych ograniczeń może wchodzić do inwestycji jako normalna bądź jako krótko sprzedana. Jeśli liczba niezależnych akcji tworzących tę wyimaginowaną inwestycję będzie większa niż czas trwania inwestycji, to inwestycję taką uda się odtworzyć (oczywiście wyłącznie teoretycznie i historycznie). Wynika to z prostego układu równań służących do wyznaczania tzw. kombinacji liniowej. Jeśli jednak liczba akcji będzie mniejsza bądź znajdą się wśród nich akcje, które nie są niezależne względem siebie, odtworzenie tej inwestycji będzie niemożliwe. W optymalizacji powinniśmy dążyć do takiej właśnie sytuacji. Liczba i zakres optymalizowanych parametrów nie powinny umożliwić wiernego odtworzenia dowolnego przebiegu (w naszym przypadku linii prostej rosnącej, która jest marzeniem każdego inwestora). Gdyby przyjąć, że nasz system posiada 5 parametrów wpływających w sposób niezależny na jego wyniki oraz każdy z nże przyjąć tylko 10 wartości, powinniśmy mieć do dyspozycji 510 notowań, czyli niemal 10 milionów. W praktyce problem nie jest taki straszny, gdyż parametry wpływają na efektywność systemu w sposób zależny, co skutecznie wpływa na obniżenie liczby sesji potrzebnych do jego zoptymalizowania. Należy jednak pamiętać, że im więcej sesji weźmiemy, tym lepiej.Przeciwny pogląd bazuje na dotychczasowych doświadczeniach. Jeśli udało się dobrze zoptymalizować system z pewną liczbą parametrów w pewnym okresie, to należy się spodziewać, że w przyszłości też się to uda, jeśli uwzględnimy ten sam okres bazowy optymalizacji. Wydłużając okres, na którym optymalizujemy system, możemy zwiększyć liczbę jego parametrów, lecz powinniśmy robić to bardzo ostrożnie.Skrajne różnice w poglądach dotyczą także częstości przeprowadzania optymalizacji. Dotyczy to zarówno inwestorów indywidualnych, jak i menedżerów zarządzających funduszami inwestycyjnymi. Potwierdziły to opublikowane na łamach amerykańskiego pisma ?The Review of Futures Markets? wyniki badań, jakie w tym zakresie przeprowadzili B. Wade Brorsen i Scott H. Irwin. Najkrótszy zakres danych poddawanych optymalizacji wynosił 2 lata, najdłuższy obejmował cały zakres notowań analizowanych instrumentów. Z kolei częstotliwość, z jaką należy dokonywać optymalizacji parametrów, wahała się od dwóch w ciągu roku do jednego za 5 lat. Niektórzy analitycy nie dokonują optymalizacji w ogóle, stosując te same parametry w przekroju różnych instrumentów finansowych.Kryteria jakości systemuIstnieje wiele metod wyznaczania optymalnych parametrów systemów transakcyjnych, przy czym optymalność parametrów nie musi być wcale równoznaczna z historyczną maksymalizacją stopy zwrotu. Poszczególni inwestorzy mogą bowiem w różny sposób definiować kryteria jakości systemu. W tym zakresie najczęściej rozpatrywane są 4 podstawowe czynniki: stopa zwrotu, wielkość ryzyka, a także stabilność czasowa i nominalna parametrów.Podejście preferujące maksymalizację stopy zwrotu zostało pokrótce omówione już wcześniej. Innym, niemniej ważnym kryterium oceny jakości systemu inwestycyjnego jest poziom ryzyka związanego z możliwością spadków bieżącej wartości danej inwestycji. Prześledźmy to na przykładzie inwestycji dokonanych w oparciu o sygnały generowane przez systemy X i Y. W obu przypadkach kapitał początkowy oraz końcowy (powiększony o zysk) są identyczne. Inwestor wybierze zapewne ten system, który podczas testowania na danych historycznych odznaczał się niższym ryzykiem spadków. W naszym przypadku jest to system Y.W programach giełdowych tego rodzaju miernik ryzyka systemu transakcyjnego wyznaczany jest jako największy chwilowy spadek stanu konta w porównaniu z wielkością kapitału początkowego. Przykładowo w najpopularniejszym na świece (a także i w Polsce) programie do analizy technicznej ? MetaStocku ten maksymalny spadek wartości kapitału odnoszony jest zarówno do całego okresu inwestycji, jak i pojedynczych transakcji.Mimo iż dla większości inwestorów podstawowym kryterium efektywności systemu jest przede wszystkim stopa zwrotu, to jednak nie mniej ważne jest uzyskanie w miarę stabilnej krzywej wielkości kapitału. Niestety, jednoczesne uzyskanie wysokich wartości obu tych parametrów nie jest najczęściej możliwe. W praktyce okazuje się, iż systemy przynoszące wysoką stopę zysku charakteryzują się także wysokimi spadkami kapitału.Niezależnie od przyjętej metody optymalizacji systemu nie wystarczy określić jego wyników historycznych. Przed wykorzystaniem systemu w transakcjach giełdowych należy również zweryfikować stabilność przyjętych parametrów. Doświadczeni inwestorzy poszukują więc z reguły nie tyle określonych poziomów parametrów, co raczej starają się wyznaczyć ich zakres. Przykładowo, jeśli podczas testowania systemu ABC uzyskaliśmy najwyższą stopę zwrotu przy parametrze o długości 10, podczas gdy efektywność systemu gwałtownie spada przy parametrze >12 lub

Karol Jarzyński