niedziela, 9 stycznia 2011

Test systemu transakcyjnego - Czy warto śledzić grubasów?


W dzisiejszym artykule postaram się pomóc jednemu z czytelników, który zadał następujące pytanie:


Przeczytałem Pański artykuł http://10-procent-rocznie.blogspot.com/2010/11/co-mozna-wyczytac-z-arkusza-zlecen.html
i zainteresowało mnie interpretowanie transakcji "grubasów", opisane w kontekście debiutu akcji GPW. Zastanawiam się czy nie można tropić grubasów na każdym innym, interesujacym nas walorze, poprzez analizę transakcji i wyszukanie transakcji o największym wolumenie. Jeśli taka transakcja powoduje wzrost kursu, to znaczy, ze "grubas" dokonał kupna, a zatem prawdopodobnie kurs w najbliższym czasie będzie rósł. Jeśli spowoduje spadek, to "grubas" pozbywa się akcji. Analizę transakcji mozna by robic w trakcie dnia lub po prostu wieczorem po zakończeniu notowań. Oczywiście algorytm zadziała tylko, gdy grubas dokonuje transakcji PKC, a nie w pakietach rozłożonych w czasie.

Co Pan sadzi o takim działaniu. Czy ma to sens?

Metoda inwestowania, którą opisał czytelnik sprowadza się do kupowania akcji, gdy cena rośnie przy dużym wolumenie, co oznacza, że duży gracz zakupił pakiet akcji. Spróbujmy zatem stworzyć system transakcyjny oparty na tej zasadzie i sprawdźmy jego skuteczność w praktyce.

Niestety już na początku natykamy się na poważny problem techniczny. Otóż w internecie, szczegółowe dane na temat dokonywanych transakcji dostępne są tylko dla poprzedniego dnia, a do zbadania skuteczności potrzebujemy znacznie więcej próbek. Na szczęście problem ten możemy ominąć tak, że nie będziemy brali pod uwagę pojedynczych transakcji, ale pogrupujemy je w dni. Nie powinno to znacznie wpłynąć na wyniki systemu. Po prostu zamiast kupować w trakcie dnia, zakupimy po cenie zamknięcia.

Założenia systemu:

  • Kupujemy, gdy wolumen dzienny przekroczy co najmniej 2-krotnie średni wolumen z ostatnich 5 sesji, sesja była ewidentnie sesją wzrostową (zamknięcie co najmniej 1% wyżej niż otwarcie).
  • Analizujemy dane od czerwca 2008r. (Indeksy giełdowe były w tym samym miejscu co dziś właśnie w czerwcu 2008r. Dzięki temu unikniemy sfałszowania wyników poprzez testowanie w czasie samej hossy).
  • Sprzedajmy zawsze po 10 sesjach (I wariant) lub po 50 sesjach (II wariant). Nasz system nie definiuje żadnych kryteriów sprzedaży, a więc przyjmiemy kryterium czasowe. Przetestujemy 2 warianty, 10 i 50 dniowy.
Przy tak przygotowanych warunkach początkowym możemy siadać do analizy danych historycznych. Zebrałem dane dla wszystkich spółek notowanych na giełdzie. Otrzymałem 5472 sygnałów zakupu, a więc ilość danych jest wystarczająca do przeprowadzenia rzetelnej analizy. Wyniki przedstawia wykres:


Jest to histogram zysków z transakcji dokonanych na warunkach podanych wcześniej. Widzimy, że przy krótszym okresie (10 dni, niebieskie słupki) najwięcej transakcji kończyło się wynikiem w granicach +/- 5%.

Dla okresu 50 dni, wykres nie jest już tak symetryczny i wyraźnie dominują wartości powyżej 30% zysku. Niestety jest to okupione wzrostem liczby transakcji zakończonych stratą większą niż 30%.

Która wersja systemu okazała się lepsza? Czy podany system nadaje się do zastosowania w praktyce?

Poniżej widzimy wskaźniki statystyczne obliczone dla obydwu wersji:


No i ta tabelka niestety rozwiewa nasze marzenia o milionach zarobionych na śledzeniu "grubasów". Co prawda średni zysk z transakcji w obu przypadkach jest dodatni (trzeba by jeszcze odliczyć prowizję), ale już mediana wyraźnie wskazuje, że nasze transakcje mają charakter losowy. Na dobicie naszych marzeń, odchylenie standardowe jest wielokrotnie większe od średniej wartości co oznacza, że nasz system jest tylko minimalnie lepszy od rzutu monetą.

Oczywiście jeśli ktoś ma dużo czasu to zachęcam do podjęcia dalszych prób z innymi parametrami:
  • wydłużenie czasu trwania inwestycji do 100dni lub nawet roku.
  • modyfikacja kryteriów wejścia.
  • test na innych walorach
Możliwości jest dużo, ale osobiście muszę przyznać, że nie widzę potencjału w tego typu systemach.

Dlaczego to nie działa?
Myślę, że system od początku był skazany na porażkę, z jednej prostej przyczyny. Jego idea polegała na tym, że jeśli "grubas" dokonuje zakupu dużego pakietu (powodującego wzrost cen akcji przy dużym wolumenie), to w niedalekiej przyszłości (10 lub 50 dni) dokona takiego zakupu jeszcze raz (lub przynajmniej ruchy grubej ryby zauważy większa ilość drobnych inwestorów i zaczną kupować akcje).

Niestety nikt nam nie zagwarantuje, że "grubas" zdecyduje się na kolejny zakup.

Dlaczego tego typu systemy działają w czasie debiutów?
Jak już pisałem wcześniej, w artykule podlinkowanym w cytowanym fragmencie, w czasie debiutów dużych spółek typu PZU, Tauron, duzi gracze mają presję na kupowanie. Np. fundusze inwestycyjne (a przynajmniej ich część) nie mogą sobie pozwolić na brak PZU w portfelu. Dlatego jeśli spółka dopiero wchodzi na giełdę, mamy dużo większe prawdopodobieństwo, że po pierwszym zakupie "grubasa" nastąpią kolejne.
Jeśli artykuł Ci się podoba kliknij "lubię to", aby inni też mogli go przeczytać:
Dodatkowo zapisz mi swój adres email, aby nie przegapić nowych artykułów (nie wysyłam żadnego spamu/reklam itp.):
Twój email:

4 komentarze:

topola pisze...

A co, gdyby ustawić zlecenia stop loss i nie czekać na stratę 20, 30% pozycji? Poza tym, sądzę, że dane od 2008 to trochę za mało, gdyż praktycznie przez cały czas rynek jest w trendzie.
Spadki szybko lecą na stopie, a zyski udają się tym ładniej, im dłużej się je trzyma.

Anonimowy pisze...

Czy Autor mogłby przeprowadzić symulację z warunkiem sprzedaży podobnym do warunku zakupu (wol > 2*śr5) oraz zamknięcie co najmniej 1% niżej niż otwarcie? Warunek trzymania przez 10 czy 50 sesji to czysta loteria. Dziękuję.

Anonimowy pisze...

Czy moglbys opisac jak nalezy interpretowac wyniki statystyczne systemu ? Jakie wartosci co oznaczaja?

Anonimowy pisze...

dobry art. polecam dodawać artykuły na beststock.pl, aby inni też widzieli

Jeśli po dodaniu Twój komentarz jest niewidoczny, upewnij się czy Twoja przeglądarka ma włączoną opcję obsługi ciasteczek (cookies).

Prześlij komentarz