Autorky: Adela Husákova a Mirka Žůrková Ondrášová
Veselé kamarádky, které baví život.
Mentor: Martin Bosák (Billigence)
Cyklista, který si láme ruce, když je to nejmíň vhodné.
Co je párové obchodování na akciových trzích?
Párová obchodnice nespekuluje na vývoj cen akcií, ale na vývoj jejich rozdílu, tzv. spreadu, a proto není její obchodování tolik ovlivněno tržními výkyvy. Párové obchodování na akciových trzích je neutrální obchodní strategií, kterou již několik desetiletí využívají všechny velké investiční fondy pro její schopnost generovat konzistentní zisky.
Základ strategie tvoří obchodování s dvěma vzájemně korelujícími akciemi. Obchodnice nespekuluje na pohyb ceny jedné akcie, ale na relativní pohyb cen dvou akcií vůči sobě. Pokud se jejich ceny od sebe vzdálí, tak spekuluje na to, že se časem zase vrátí a naopak. Pokud vychýlení aktuálního spreadu cen od dlouhodobého spreadu cen překročí předem určenou mez, nastává signál ke vstupu do pozice. Obchodnice současně otevírá dvě pozice, jednu Long a druhou Short. Výstupní signál nastává, když se aktuální spread cen vrátí ke svému dlouhodobému průměru nebo dosažením časového stoplossu.
Graf znázorňuje pohyb EOD cen akcií GBNK (Guaranty Bancorp – modrá barva v grafu nahoře) a EOD cen akcií SBCF (Seacoast Banking Corporation of Florida – žlutá barva v grafu nahoře). Oboje jsou akcie obchodované na burze NASDAQ a patří do finančního sektoru. Z grafu je patrná korelace těchto akcií. Pokud se jejich ceny od sebe vzdálí (spread mezi cenami akcií je velký), tak mají tendenci se k sobě vrátit a naopak, pokud se jejich ceny k sobě moc přiblíží (spread mezi cenami akcií je malý) tak mají tendenci se od sebe zase vzdálit
Tato strategie by nemohla být profitabilní, kdyby byly akciové trhy stoprocentně efektivní. Trhy však nejsou ideální, a proto párové obchodnice nejenže generují zisky, ale svým obchodováním přispívají i k větší efektivitě trhů. Z tohoto důvodu se této strategii někdy říká statistická arbitráž.
Jak na to?
Jak ověřit, jestli to funguje? Backtestem!
Než začne obchodnice zběsile zadávat nákupní a prodejní příkazy na burzu, je třeba zpětně ověřit, že obchodní strategie je funkční a generuje zisky. K tomu slouží proces zvaný backtesting. V dnešní (datové) době již ke každému akciovému titulu existuje dlouhodobá historie o vývoji jeho ceny a tato historická data jsou stěžejním podkladem pro statistické testování. Obchodnice tedy na každém vybraném akciovém páru může bez rizika (ztráty svých poctivou prací vydělaných peněz) ověřit, zda strategie generuje dostatečně zajímavé profity, tak aby to obchodnici stálo za tu námahu.
Backtest samotný se skládá z několika samostatných algoritmů, jejichž výstupem je vždy Pandas DataFrame:
- Algoritmus 1 slouží pro přípravu dat a spočítá základní statistická data daného akciového páru. Do Pandas dataframu vloží spread, jeho klouzavý průměr, standardní odchylku a z ní vyplývající pásmo kolem klouzavého průměru.
- Algoritmus 2 obsahuje vlastní obchodní strategii (obchodní pravidla), na jejichž základě dojde k vygenerování samotných obchodních signálů (vstup do nebo výstup z long nebo short pozice).
- Algoritmus 3 na základě signálů vygenerovaných Algoritmem 2 spočítá, jaký zisk či ztrátu by obchodnice inkasovala za každý jednotlivý obchod na daném akciovém páru.
- Algoritmus 4 spočítá průměrnou délku (nebo medián) jednoho obchodu (od otevření pozic po uzavření pozic) ve dnech, tzv. half-life
- Algoritmus 5 je finálním krokem backtestu, jehož výstupem je výsledný Pandas dataframe, obsahující všechny důležité ukazatele daného akciového páru z předchozích algoritmů nutné pro další analýzu.
Backtest pracuje s počátečním kapitálem 100 000 USD pro jeden akciový pár. Je to z čistě praktických důvodů, aby obchodnice při porovnávání akciových párů mohla volným okem vidět všechna výsledná čísla v procentech.
Graf nahoře znázorňuje pohyb EOD cen akcií GBNK (Guaranty Bancorp – modrá barva) a EOD cen akcií SBCF (Seacoast Banking Corporation of Florida – žlutá barva). Jedná se o vysoce pozitivně korelované akcie obchodované na stejné burze (NASDAQ) ze stejného sektoru (Finanční).
Graf dole znázorňuje backtest daného páru akcií. Algoritmus 1 spočítal základní statistická data daného akciového páru a vykreslil jejich spread (oranžová barva), jeho klouzavý průměr (šedá barva) a pásmo kolem klouzavého průměru (červená a zelená barva).
V tento okamžik nastupuje na scénu Algoritmus 2 a vygeneruje obchodní signály a pozice, mezi jinými i tou, která je vyznačená na grafe ve zlatém pásmu. Když se spread přehoupne přes horní pásmo (červeny bod) algoritmus vygeneruje signál a vstoupí do short pozice (spekuluje na pokles spreadu k dlouhodobému klouzavému průměru) tzn. že prodá akcie GBNK a nakoupí akcie SBCF. Když se spread vrátí k dlouhodobému klouzavému průměru (zelený bod), tak algoritmus pozici uzavře, tzn. že koupí akcie GBNK a prodá akcie SBCF.
Algoritmus 2 tak připravil půdu pro Algoritmus 3, který spočítá, jaký zisk či ztrátu obchodnice inkasuje za každý jednotlivý obchod na daném akciovém páru. Za výše znázorněný obchod by inkasovala malou ztrátu z akcií GBNK, kterou by pokryla velkým ziskem z růstu akcií SBCF. Za předpokladu, že obchodnice pro daný akciový pár alokovala 100 000 USD, tak by na tomto obchodu vydělala 2 882 USD. Jedná se ale jenom o první obchod na tomto akciovém páru. Celkově by jí tento pár od začátku roku 2015 do konce roku 2017 vydělal 47 413 USD. Výsledek algoritmu 3 znázorňuje Equity křivka, která je níže.
Jak porovnávat jednotlivé páry? Pomocí performance report!
Po tom, co byl backtest souhrnně aplikován na všechny vybrané akciové páry a pro každý pár vygeneroval výsledný Pandas dataframe, má obchodnice k dispozici přes 4000 tabulek obsahujících všechny důležité ukazatele jednotlivých akciových párů. Protože není v lidských silách je ručně porovnat, přichází na řadu poslední algoritmus. Ten z výsledných Pandas dataframů pro každý testovaný pár vygeneruje výsledné základní výkonnostní metriky. Z těchto metrik pak vytvoří přehlednou souhrnní tabulku, tzv. performance report, ve kterém je každý pár reprezentován jedním řádkem obsahujícím metriky jako například počet obchodů, časová délka jednoho obchodu, procento ziskových obchodů, průměrný zisk/ztráta na jeden obchod, průměrný ziskový obchod, průměrný ztrátový obchod, celkový zisk/ztráta, maximální drawdown a index znázorňující poměr celkového zisku a maximálního drawdownu.
Takovýto report je pak možné dále zkoumat a filtrovat, aby obchodnice vybrala ty nejslibnější páry k živému obchodování. Při výběru se obchodnice řídí selským rozumem a nekouká jenom po nejvyšším zisku. Celkový zisk je nutné vidět v kontextu s ostatními metrikami. Nejdůležitější je porovnání celkového zisku s maximálním drawdown. Ostatní metriky dále doplňují celkový obrázek akciového páru. Například počet obchodů znázorňuje frekvenci obchodování a obchodnice vyřadí páry, které při podobném zisku mají velké množství obchodů, protože nechce zbytečně platit komise. Také zkontroluje, zda se mezi páry neobjevila nějaká extrémní anomálie, která může být způsobena zásadní fundamentální událostí na daném páru.
Tabulka ukazuje pár řádků z performance reportu. Obchodnici svítí do očí žlutě vyznačený pár, který vydělal přes 4,5 milionů dolarů. Místo nadšení ze 45násobného výdělku však s chladnou hlavou porovná jednotlivé metriky. V tomto případě hned vidí, že skoro celý zisk je tvořen jediným obchodem o výši 4,6 milionů dolarů (největší zisk). Vyhledá si equity křivku (výsledek Algoritmu 3) daného akciového páru, ze které je již na první pohled patrné, že se jedná o anomálii.
Obchodnice si takto potvrdila svoji domněnku, že s daným akciovým párem nebude všechno v kostelním pořádku a do svého portfolia ho nezařadí. Kdyby byla obchodnice velice zvědavá (což by měla být), tak si zjistí datum, kdy podezřelý obchod začal (16.12.2016) a skončil (25.01.2017) a vyhledá si obě akcie v rychlosti na www.tradingview.com. Pohledem na jejich grafy zjistí, že má špatná zdrojová data. S tímto obchodnice, ale počítá, protože ví, že prototypuje na datech z databáze WIKI Prices, která je k dispozici zdarma a kvalita poskytnutých dat odpovídá jejich ceně.
Co analýza přinesla? Portfolio!
Obchodnice má k dispozici 60 000 USD a obchoduje s pákou 1:4. Každému obchodovanému akciovému páru chce alokovat maximálně 10 000 USD. Protože však obchoduje s pákou stačí, aby na účtu měla 2 500 USD pro každý otevřený akciový pár. Obchodnice si tudíž prostým dělením vypočítala, že si k obchodování může vybrat až 24 párů.
Šance, že by všechny akciové páry vstoupili najednou do pozice je minimální. Obchodnice tedy má k dispozici dostatečnou rezervu nejen pro minimální základ požadovaný brokerem, ale i pro případné otevřené ztráty.
Obchodnice do portfolia vybrala páry, které vykazovaly vysokou výkonnost a stabilní spread. Při výběru dbala na to, aby vybrané páry byly unikátní, protože nechce, aby došlo k otevření protichůdné pozice na jedné z akcií.
Equity křivka portfolia akciových párů vznikne tak, že sloučíme všech 24 akciových párů do portfolia.
Graf nahoře znázorňuje equity křivku portfolia za období backtestu. Kdyby obchodnice obchodovala se základním kapitálem 60 000 USD, tak by od začátku roku 2015 do konce roku 2017 vydělala 95 564,61 USD.
Obchodnice, ale chce vědět, jak by její portfolio vypadalo na datech, které její algoritmy zatím neviděly.
Graf znázorňuje equity křivku portfolia rozdělenou na in-sample data a out-of-sample data. Out-of-sample data začínají 1.1.2018 a jsou znázorněná červeným pruhem.
Kdyby obchodnice obchodovala se základním kapitálem 60 000 USD, tak by za první kvartál roku 2018 vydělala 2 498,02 USD. Kapitál by zúročila o 4,16 %.
