AUTOMATICKÉ OBCHODNÍ STRATEGIE

Transkript

1 Masarykova univerzita Ekonomicko-správní fakulta Studijní obor: Finance AUTOMATICKÉ OBCHODNÍ STRATEGIE Automatic Trading Strategies Diplomová práce Vedoucí diplomové práce: Ing. Mgr. Juraj Hruška Autor: Bc. Viktor HANÁK Brno, 2015

2 MASARYKOVA UNIVERZITA Ekonomicko-správní fakulta ZADÁNÍ DIPLOMOVÉ PRÁCE Akademický rok: 2015/2016 Student: Obor: Téma práce: Téma práce anglicky: Cíl práce, postup a použité metody: Bc. Viktor Hanák Finance Automatické obchodní strategie Automatic trading strategies Hlavní cíl diplomové práce: Rozebrat problematiku automatických obchodních strategií a vytvořit jednu či více profitabilních automatických obchodních strategií na aktuálních finančních trzích. Parciální cíle diplomové práce: 1) Objasnit základní teoretické pojmy a principy fungování AOS 2) Navrhnou několik investičních strategií vhodných pro vytvoření AOS 3) Naprogramovat dané strategie v obchodním softwaru MT4 4) Otestovat AOS na historických a real-time datech 5) Zhodnotit a porovnat výsledky 6) Na základě výsledků vybrat nejlepší AOS a zoptimalizovat vstupní parametry pro dosažení lepších výsledků 7) Zhodnotit výslednou AOS vzhledem k využití v praxi s reálnými finančními prostředky Rozsah grafických prací: Rozsah práce bez příloh: Podle pokynů vedoucího práce stran Literatura: REJNUŠ, Oldřich. Finanční trhy. Druhé rozšířené. : Key Publishing, s. Ekonomie. ISBN PODHAJSKÝ, Petr a Tomáš NESNÍDAL. Kompletní průvodce úspěšného finančníka. Praha: Centrum finančního vzdělávání, s. ISBN SCHWAGER, Jack D. Market wizards :interviews with top traders. Hoboken: Wiley, xxv, 480 s. ISBN MURPHY, John J. Study guide for technical analysis of the financial markets :a comprehensive guide to trading methods and applications. New York: NYIF, viii, 150. ISBN ELDER, Alexander. Tradingem k bohatství :psychologie. obchodní systémy, money management. Tetčice: Impossible, s. ISBN Vedoucí práce: Ing. Mgr. Juraj Hruška Strana 1 z 2

3 Datum zadání práce: Termín odevzdání diplomové práce a vložení do IS je uveden v platném harmonogramu akademického roku.... vedoucí katedry... prof. Ing. Antonín Slaný, CSc. děkan V Brně dne: Strana 2 z 2

4 Jméno a příjmení autora: Viktor Hanák Název diplomové práce: Automatické obchodní strategie Název práce v angličtině: Automatic Trading Strategies Katedra: financí Vedoucí diplomové práce: Ing. Mgr. Juraj Hruška Rok obhajoby: 2016 Anotace Předmětem diplomové práce Automatické obchodní strategie je vytvoření automatické obchodní strategie, která by měla ziskový potenciál na aktuálních finančních trzích. První část práce se zaměřuje na obecnou charakteristiku AOS a měnového trhu. Dále pak definuje teoretické principy funkce dvou rozdílných automatických strategií. V druhé části jsou vytvořené strategie podrobeny testům funkčnosti na historických datech a na základě dosažených výstupů je jedna z nich dále otestována na datech v reálném čase. V poslední části jsou výsledky porovnány a zhodnoceny vzhledem k použitelnosti strategií v reálných tržních podmínkách. Annotation The goal of the thesis Automatic Trading Strategies is to create automatic trading strategy, which would have a profitable potential on current financial markets. The first part of the thesis is focused on general characteristics of ATS and currency market. Then it defines theoretical principles of function of two different automatic strategies. In the second part are the created strategies subjected to historical backtests and based on its outputs is then one of them tested in real time. In the last part of the thesis the results are compared and evaluated in relation to the applicability of strategies in real market conditions. Klíčová slova AOS, měnový trh, technická analýza, testování na historických datech, testování na datech v reálném čase, technický indikátor, MetaTrader 4, MQL4 Keywords ATS, currency market (forex), technical analysis, backtesting, real-time testing, technical indicator, MetaTrader 4, MQL4 4

5 Prohlášení Prohlašuji, že jsem diplomovou práci Automatické obchodní strategie vypracoval samostatně pod vedením Ing. Mgr. Juraje Hrušky a uvedl v ní všechny použité literární a jiné odborné zdroje v souladu s právními předpisy, vnitřními předpisy Masarykovy univerzity a vnitřními akty řízení Masarykovy univerzity a Ekonomicko-správní fakulty MU. V Brně dne 16. listopadu 2015 vlastnoruční podpis autora 5

6 Poděkování Na tomto místě bych rád poděkoval Ing. Mgr. Juraji Hruškovi za cenné připomínky, odborné rady a konzultace, kterými přispěl k vypracování této diplomové práce. 6

7 Obsah Úvod Obecná charakteristika automatických obchodních strategií Automatické obchodní strategie a technická analýza Výhody automatických obchodních strategií Nevýhody automatických obchodních strategií Využití automatických obchodních strategií v praxi Charakteristika měnového trhu Účastníci na forexu Centrální banky Komerční banky Brokerské společnosti Zákazníci Obchodní hodiny Výhody forexu Nevýhody forexu Základní prvky obchodní strategie Obchodní plán Money-management Metody money-managementu (position-sizing) Stop-loss Take-profit Charakteristika obchodních strategií EMAcross a Grid Princip funkce strategie EMAcross Charakteristika indikátoru EMA Charakteristika indikátoru RSI Myšlenka strategie EMAcross Princip funkce strategie Grid Myšlenka strategie Grid Broker Broker market-maker

8 5.2. STP Broker ECN Broker Podvodné praktiky brokerů Zdrojové kódy strategií Grid1 a EMAcross Vysvětlení zdrojového kódu EMAcross Proměnné Dlouhá pozice vstup a výstup Krátká pozice vstup a výstup Vysvětlení zdrojového kódu Grid Proměnné Otevírání dlouhých pozic Otevírání krátkých pozic Přepočet aktuálně otevřených dlouhých a krátkých pozic Backtesting Software Data Timeframe Charakteristika hlavních měnových párů zvolených pro backtesting EURUSD USDJPY GBPUSD Optimalizace Optimalizace strategie EMAcross Optimalizace strategie Grid Výsledky backtestingu Výsledky strategie EMAcross Zhodnocení výsledků strategie EMAcross Výsledky strategie EMAcross na out-of-sample datech Zhodnocení out-of-sample výsledků strategie EMAcross Výsledky strategie Grid Zhodnocení výsledků strategie Grid Výsledky strategie Grid1 na out-of-sample datech

9 Zhodnocení out-of-sample výsledků strategie Grid Porovnání obou strategií a zhodnocení možnosti jejich propojení Real-time testing Výsledky real-time testingu strategie Grid Zhodnocení výsledků real-time testingu Zhodnocení funkčnosti strategie Grid1 v reálných podmínkách s reálnýmkapitálem Závěr Seznam použitých zdrojů Seznam tabulek, obrázků a grafů Seznam použitých zkratek Seznam příloh

10 Úvod Automatické obchodní strategie (AOS) jsou algoritmy, naprogramované do určité obchodní platformy, které jsou na základě pevně stanovených pravidel schopny samostatně obchodovat na burze. V posledních letech dochází k jejich rychlému rozvoji a rostoucímu počtu jejich tvůrců a uživatelů. Vysoká popularita AOS je důsledkem technologického pokroku, který umožňuje zapojení výkonné výpočetní techniky do arzenálu tradingových nástrojů burzovních obchodníků. Většina transakcí uskutečňovaných v dnešní době na trzích je výsledkem příkazů vygenerovaných některou AOS. Jinými slovy, počítače jsou zodpovědné za více burzovních operací než lidé. Aktualita dané problematiky, její vysoký vliv na tržní pohyby a vysoký potenciál finančního zisku jsou hlavními důvody, proč jsem automatické obchodní strategie zvolil jako téma své diplomové práce. Ještě před několika dekádami zaznamenávali investoři kurzovní změny tužkou na papír a svá rozhodnutí pro nákup nebo prodej určitého podkladového aktiva zakládali na fundamentech a vlastních analytických schopnostech. S rozmachem osobních počítačů a obchodnických softwarů došlo ke změně charakteru trhů a dříve ziskové robustní strategie se dnes mohou chovat nevyzpytatelně. Klíčovými vlastnostmi úspěšného obchodníka je schopnost držet krok s nejnovějšími trendy a umět se přizpůsobit rychle měnícímu se trhu. Právě automatizace obchodních strategií je jedním z nejvýraznějších novodobých trendů na burze. Hlavním cílem práce je vytvořit vlastní AOS, která bude mít ziskový potenciál na aktuálních finančních trzích. K jeho dosažení jsou postupně definovány jednotlivé parciální cíle. Prvním z nich je v teoretické části práce charakterizovat AOS a objasnit obecné principy jejich fungování. Důraz je kladen především na provázanost automatických strategií s technickou analýzou, jejich výhody, nevýhody a využití v praxi. Dalším parciálním cílem je charakterizovat měnový trh a popsat klíčové výhody pro jeho využití jako podkladového aktiva v rámci tvorby AOS. Následně jsou vytvořeny dvě obchodní strategie s názvy EMAcross a Grid1, které jsou samotným jádrem práce. Teoretická část se dále věnuje rozboru principů funkce obou uvedených strategií a základních myšlenek stojících za jejich vytvořením. Praktická část práce je pak rozdělena na několik navazujících dílčích cílů, kterými jsou naprogramovat strategie do obchodního softwaru MetaTrader 4 a objasnit příkazy ve zdrojových kódech, dále pak zjistit funkčnost strategií pomocí backtestingu 10

11 (testování na historických datech), zoptimalizovat vstupní parametry a u strategie Grid1 uskutečnit real-time test (testování v reálném čase na aktuálních datech). Dosažené výsledky jsou porovnány a seřazeny dle optimalizačního kritéria. Posledním parciálním cílem je strategie zhodnotit vzhledem k jejich dalšímu využití, na základě získaných výstupů z provedených testů. Pro charakteristiku základních pojmů a pochopení obecných tematických okruhů je použita převážně metoda deskripce. Pro formulaci automatických obchodních strategií EMAcross a Grid1, které jsou základním stavebním kamenem této práce, je využita metoda syntézy, která čerpá z poznatků o využitých technických indikátorech EMA a RSI a pravidel moneymanagementu. Pro závěrečné srovnání a vyhodnocení dosažených výsledků z testování na historických datech a v reálném čase byla využita komparace a evaluace. 11

12 1. Obecná charakteristika automatických obchodních strategií Automatická obchodní strategie neboli AOS, je algoritmus, obsahující množství pravidel a podmínek, které v kombinaci s daným podkladovým aktivem tvoří obchodní strategii. AOS je prostřednictvím specializované obchodní platformy schopna samostatně (automaticky) obchodovat na burze, resp. generovat nákupní a prodejní příkazy. 1 Tvorba AOS je úzce spojena s technickou analýzou, které se věnuje následující podkapitola. Základním stavebním kamenem AOS je zdrojový kód, který je vytvořen obchodníkem / programátorem a obsahuje veškerá pravidla, která obchodník vytyčí pro danou obchodní strategii. Příkladem jednoduchého pravidla pro vstup do pozice může být např. překřížení dvou klouzavých průměrů s různou periodou. Výstupním pravidlem pak může být dosažení určitého předem definovaného zisku nebo ztráty. Poitou je, že jakmile jsou podmínky vstupů a výstupů do zdrojového kódu správně zapsány, počítač je bude rychle a bezchybně následovat bez nutnosti fyzické přítomnosti obchodníka Automatické obchodní strategie a technická analýza Prof. Rejnuš definuje technickou analýzu následovně: Technická analýza se používá k analýzám jednotlivých titulů za účelem předpovědi budoucího vývoje jejich kurzů. Vychází z publikovaných tržních údajů, jimiž jsou v první řadě kurzy, dále objemy zrealizovaných obchodů, případně se může jednat i o další druhy veřejně dostupných informací. 2 Uvedenou definici můžeme interpretovat tak, že technická analýza umožňuje obchodníkovi aplikovat strategie založené na informacích dostupných ze samotného cenového grafu (kurzy, objemy). To je pro automatické obchodní strategie klíčová premisa, jelikož technická analýza umožňuje definovat jednoznačná pravidla vstupů a výstupů z pozic na základě ceny, času a objemu burzovních transakcí. Z různých kombinací těchto tří vstupních parametrů je vytvořena drtivá většina technických indikátorů, které jsou pro stavbu AOS stejné důležité jako cihly pro zedníka. Existují také AOS založené na fundamentální analýze a různých 1 ROOT: Nechte svůj počítač vydělávat na burze [online]. [cit ]. Dostupné z: 2 REJNUŠ, Oldrǐch. Financňí trhy: 2.3. Technická analýza. 2., rozš. vyd. Ostrava: Key Publishing, 2010, 659 s. Ekonomie (Key Publishing). ISBN

13 dalších alternativních přístupech. Jejich naprogramování je však často o poznání složitější a proto nejsou tak rozšířené jako algoritmy založené na technickém přístupu Výhody automatických obchodních strategií 1) Non-stop provoz (Trader je schopen se plně koncentrovat na obchodování pouze několik hodin denně (P. Vepřek uvádí 3-4 hodiny denně 3 ). Počítač je naproti tomu schopen obchodovat nepřetržitě.) 2) Bezchybnost (Eliminace lidského faktoru při realizaci burzovních transakcí zároveň eliminuje i lidské chyby a odchylky od obchodní strategie. ) 3) Rychlost (Díky automatizaci nákupních a prodejních pokynů, dochází k jejich okamžitému zrealizování v momentě vzniku signálu pro vstup či výstup z pozice. Vysoká rychlost exekuce příkazů umožňuje aplikovat vysoko-frekvenční a scalpingové metody obchodování, které člověk na rozdíl od počítače není schopen stíhat.) 4) Časová svoboda (Za předpokladu, že obchodník provozuje profitabilní AOS, je časově flexibilní a může se věnovat dalšímu vývoji, optimalizaci nebo samotnému manuálnímu obchodování a tím zvyšovat své výnosy.) 5) Neovlivnitelnost emocemi a psychikou (Člověk je při obchodování ovlivňován velkým množstvím faktorů, které mohou mít negativní vliv na jeho psychiku. Značný vliv hrají především emoce a stres 4. To se může projevit ve formě nedůsledného dodržovaní pravidel strategie a zvýšené chybovosti, což může vést k finančním ztrátám.) 1.3. Nevýhody automatických obchodních strategií 1) Nutnost vysoké výkonnosti a stability výpočetní techniky (AOS je závislá na nepřetržitém provozu PC nebo serveru. Její funkčnost je značně náchylná na nestabilitu internetového 3 PETRVEPREK: AOS [online]. [cit ]. Dostupné z: 4 DOUGLAS, Mark. Disciplinovaný trader: Porozumění podstatě duševního prostředí. Tetčice: Impossible, c2009, 200 s. Knihovna úspěšného obchodníka. ISBN

14 připojení, nespolehlivý počítač a výpadky elektrického proudu. Nejlepším řešením pro dosažení spolehlivého kontinuálního běhu aplikace je využití placených serverů se záložními zdroji, což vede ke zvýšení nákladů na provozovaní AOS. Vysokofrekvenční algoritmické systémy také vyžadují minimální latenci a vysoce výkonné počítače, jelikož většina z nich pracuje na základě složitého zdrojového kódu s velkým množstvím výpočetních operací za vteřinu.) 2) Burzovní a programátorské know-how (Úspěšnost AOS se odvíjí od schopností a zkušeností jejího tvůrce. Ten musí disponovat takovými znalostmi v oblasti finančních trhů, aby byl schopen vytvořit robustní obchodní strategii, což samo o sobě vyžaduje poměrně obsáhlé studium této problematiky. Dále musí ovládat příslušnou obchodní platformu a její programovací jazyk, za účelem převodu požadované strategie do algoritmu a zajištění jeho správné funkčnosti.) 3) Vyloučení diskrečního přístupu (Zkušený trader již má určitý cit pro trhy a v některých případech dokáže rozpoznat potenciální problém díky diskrečnímu přístupu a vyhodnocení nově vzniknuvších faktorů ovlivňující tržní vývoj. Příkladem může být např. neočekávaný politický nebo ekonomický šok, který nelze do algoritmu zapracovat. V takové situaci může manuální přístup k obchodování na rozdíl od toho automatického zabránit výrazným ztrátám.) 4) Chyba v kódu (I když AOS sám o sobě je, jak je avizováno výše, bezchybný tedy nekompromisně se řídí naprogramovanými pravidly, nelze vyloučit možnost chybně zapsané části kódu, případně chybný výklad funkce určité části kódu. Případná chyba se může projevit až ve velmi specifických podmínkách, které mohou nastat po relativně dlouhé době provozu AOS. Řešením je snaha o co nejjednodušší zápis algoritmu, důkladná kontrola kódu a důkladný backtesting a real-time testing strategie, který by měl podobné potenciální problémy zavčasu odhalit.) 1.4. Využití automatických obchodních strategií v praxi Využití AOS je v posledních letech stále větší trendem. S rozvojem obchodních technologií přibývá i traderů zabývajících se stavbou a provozováním AOS, což je pochopitelné 14

15 vzhledem k tomu, jak velký finanční potenciál toto odvětví nabízí. Dle odhadů ESMA (European Securities and Markets Authority) jsou objemy zobchodované automatickými systémy pro vybrané evropské země následující: 5 Tab. 1: Objemy zobchodované prostřednictvím AOS - dle států Zdroj: Vlastní zpracování autora v excelu. Čerpáno z: ESMA [online]. [cit ]. Dostupné z: Na internetu inzeruje svoje produkty řada firem, zabývající se stavbou a prodejem/pronájmem různých AOS. Příkladem je společnost Algotrading 6, která nabízí tzv. mirroring (zrcadlení) svých algoritmických systémů. Za tuto službu si účtuje poplatek 30% ze zisku. Dalším příkladem využití AOS je sociální portál pro tradery a vývojáře provozovaný společnotí Metaquotes 7, která je mimo jiné i autorem celosvětově nejrozšířenější obchodnické platformy pro manuální i automatický trading s názvem MetaTrader 4 (více o tomto softwaru v podkapitole 7.1. Software). Portál funguje jako rozsáhlé fórum pro obchodníky a zároveň jim nabízí možnost publikovat výsledky vlastních AOS, na kterých se mohou ostatní tradeři a investoři podílet. S rozmachem AOS se však objevuje množství podvodných technik, které spočívají například v publikování backtestů, které jsou vydávány za výsledky z reálných účtů, dále nadměrně vysoké spready a v neposlední řadě samotný fakt, že životnost mnohých AOS 5 ESMA: Automated Trading Guidelines: ESMA peer review among National Competent Authorities [online]. [cit ]. Dostupné z: automated_trading_peer_review_report_publication.final_.pdf 6 ALGOTRADING: [online]. [cit ]. Dostupné z: 7 METAQUOTES [online]. [cit ]. Dostupné z: 15

16 je časově omezená, z důvodu jejich přeoptimalizace na historická data, která mohou a nemusí korespondovat s budoucím vývojem. Vrcholem algoritmického obchodování jsou vysoko-frekvenční systémy (tzv. HFT = High Frequency Trading), které mají v dnešní době na svědomí většinu zrealizovaných burzovních operací. Provozují je zejména velké obchodní společnosti a investiční fondy, které si mohou dovolit vysoké náklady, jenž HFT vyžaduje. Příkladem je výše zmíněná společnost RSJ, která na svém webu publikuje několik základních znaků HFT: (cit. 8 ) vysoká frekvence pokynů (orders) či instrukcí (messages) posílaných na burzy obchodování na vlastní účet (proprietary trading) - HFT společnosti své algoritmy většinou nepronajímají zisk z nákupu a prodeje jakožto prostředník opakem je dlouhodobé spekulativní držení aktiv velmi krátká doba držení aktiva nutnost rychlé reakce na dění na trhu (latency) odtud plyne umísťování výpočetní techniky přímo na burzy (co-location) koncentrace na vysoce likvidní (často obchodovaná) aktiva HFT jsou ze své podstaty těžko dostupné pro běžného investora, avšak jejich přítomnost skýtá nespornou výhodu, kterou je vytváření vysoké likvidity na trhu. Riziko, které HFT systémy představují spočívá v obrovském množství pozic, které jsou schopny nahrnout do trhu za velmi krátký časový úsek a tím způsobit nepředvídatelný pohyb bez přítomnosti fundamentálních důvodů. Příkladem takového pohybu byl tzv. Flash crash 9, neboli blesková krize, která proběhla v květnu roku Index Dow Jones tehdy zaznamenal propad téměř 8 RSJ ALGORITHMIC TRADING: Definice vysokofrekvenčního obchodování [online]. [cit ]. Dostupné z: 9 KIRILENKO, A., A. KYLE, M. SAMADI a T. TUZUN: The Flash Crash: The Impact of High Frequency Trading on an Electronic Market [online]. 2010, [cit ]. Dostupné z: Centers/CFP/FlashCrash.pdf 16

17 850 bodů v průběhu 45 minut, načež se v průběhu následujících 20ti minut vrátil o cca 600 bodů nazpět. Obr. 1: Flash crash Zdroj: INVESTICNIWEB [online]. [cit ]. Dostupné z: 11/ kveten-2010-na-nyse.png 17

18 2. Charakteristika měnového trhu Měnový trh, neboli FOREX (foreign exchange market / FX/ currency market) je globálním devizovým trhem pro obchodování základních a vedlejších měnových párů. Je největším trhem na světě s objemem zrealizovaných obchodů přesahujícím 4 biliony dolarů denně, což je pro srovnání cca 30x více než na americkém akciovém trhu. 10 Forex je decentralizovaný trh tvořen globální elektronickou sítí složenou ze serverů významných finančních institucí a organizací (banky, investiční fondy, brokerské domy, pojišťovny). Veškeré dění na tomto trhu se odehrává v elektronické formě a probíhá nepřetržitě každý pracovní den. Na rozdíl od akciového trhu, je forex rozdělen do vrstev podle možnosti přístupu. Nejvyšší vrstvu tvoří interbankovní trh, do kterého mají přístup pouze největší světové banky. Zde jsou minimální spready v řádech desetin pipu, které nejsou pro běžného investora na forexu dostupné. Přítup do jednotlivých vrstev forexu se odvíjí od výše zobchodovaného objemu Účastníci na forexu 11 Forex spojuje velké množství různých typů kupců a prodejců, kteří mají zájem obchodovat s měnami. Hlavními účastníky forexu jsou centrální banky, komerční banky, brokerské domy a zákazníci. Jednotlivé typy účastníků od sebe odlišuje zejména jejich motivace, na jejímž základě participují na měnových transakcích. Motivaci můžeme rozdělit do 3 bodů: 12 Obchod (Snaha o uskuteční směny pro vypořádání pohledávek a závazků plynoucích z obchodních vztahů.) Ø Príklad 1: Mám zájem o koupi nemovitosti v Rakousku. Cena je stanovena na EUR. Jelikož žiji v České Republice a moje příjmy jsou v českých korunách, potřebuji pro uskutečnění nákupu dané nemovitosti směnit odpovídající částku CZK za EUR. Při aktuálním kurzu měnového páru 10 PENÍZE: Univerzita Forexu: Co je Forex [online]. [cit ]. Dostupné z: univerzita-forexu-co-je-forex 11 FCMARKETS: Účastníci na Forexu [online]. [cit ]. Dostupné z: 12 FOREX: Hlavní hráči na trhu FOREXu a co od nich můžeme čekat (díl 2.) [online]. [cit ]. Dostupné z: 18

19 EUR/CZK 27,1 13 se bude jednat o Kč. Směnou se automaticky stávám účastníkem měnového trhu. Spekulace (Snaha o dosažení zisku na základě správné predikce budoucího vývoje kurzu určitého měnového páru. Odhaduje se, že spekulace tvoří 85% 14 objemu všech zrealizovaných transakcí na forexu.) Ø Príklad 2: Mám k dispozici volné finanční prostředky ( Kč) a na základě analýzy faktorů ovlivňujících pohyb amerického dolaru vůči koruně se rozhodnu pro spekulaci na růst ceny. Aktuální kurz instrumentu USD/CZK je 25,1. 15 Nakoupím tedy / 25,1 = USD. Trh se bude vyvíjet podle očekávání a za měsíc kurz USD/CZK vzroste na 25,7. V tento okamžik dolary opět prodám a získám za ně x 27,7 = Kč. Po odečtení původní investice jsem skončil ve zisku Kč. (Pozn. příklad je zjednodušený nezahrnuje poplatky za konverzi a daň) Ochrana (Snaha o kompenzaci ztrát pramenících ze změny hodnoty určitého aktiva, způsobené změnou měnového kurzu.) Ø Příklad 3: Nemovitost v Rakousku z příkladu 1 plánuji držet jako investici a pronajímat po dobu deseti let. Po uplynutí této doby budu chtít nemovitost opět prodat a realizovat zisk z rozdílu pořizovací a prodejní ceny vycházející z dlouhodobé tendence růstu cen nemovitostí v průměrné výši 4,9% p.a. za posledních 10 let. 16 Za předpokladu, že vývoj pro následujících 10 let bude totožný, měl bych při prodeji nemovitosti inkasovat *[(1+0,049)^10] = EUR. V případě, že koruna za danou dekádu znehodnotí vůči euru, například z 27,1 na 23, ztratím při zpětné konverzi na kurzovém rozdílu 13 KURZY: EUR/CZK, Forex online [online]. [cit ]. Dostupné z: EUR/ 14 FOREX: Hlavní hráči na trhu FOREXu a co od nich můžeme čekat (díl 2.) [online]. [cit ]. Dostupné z: 15 KURZY: USD/CZK, Forex online [online]. [cit ]. Dostupné z: 16 GLOBAL PROPERTY GUIDE: Austria s property market slowing sharply [online]. [cit ]. Dostupné z: 19

20 Kč. Proti tomuto riziku se však mohu ochránit prostřednictvím bankovního forwardu, který mi kurz zafixuje na původní hodnotě Centrální banky Centrální banky operují na forexu za účelem realizace svých cílů vzhledem k ekonomice domovského státu a světa. Snahou centrálních bank je regulace měnového kurzu, udržení jeho stability, zabránění ekonomickým krizím atd. Existence forexu a možnost nakupovat či prodávat cizí měny je důležitou součástí arzenálu nástrojů, které mohou centrální banky ke své činnosti využívat. Centrální banky mohou měnový trh ovlivňovat přímo (měnová intervence) nebo nepřímo (úrokové sazby, regulace peněžního objemu, vyhlašování makroekonomických výsledků,...) a jejich vliv na pohyb kurzů je značný Komerční banky Na rozdíl od centrálních bank, vstupují komerční banky na měnový trh za účelem realizace zisku. Komerční banky jsou odpovědné za drtivou většinu transakcí uskutečněných na forexu. Skrze komerční banky se operací na měnovém trhu nepřímo účastní i jejich klienti, kteří provádí měnové konverze na svých bankovních účtech. Komerční banky však na forexu operují i na vlastní účet (s vlastními finančními prostředky) a to v obrovských objemech. Euromoney FX Survey uvádí seznam největších účastníků na měnovém trhu a jejich procentuální podíl na celkovém objemu zobchodovaném na forexu. Zelené hodnoty značí nárůst tržního podílu oproti minulému roku, červené naopak pokles: 17 EUROMONEY: Euromoney FX survey 2015 results revealed [online]. [cit ]. Dostupné z: 20

21 Tab. 2: Největší účastníci na forexu Zdroj: EUROMONEY: Euromoney FX survey 2015 results revealed [online]. [cit ]. Dostupné z: Brokerské společnosti Brokeři fungují jako zprostředkovatelé, kteří umožňují přístup na burzu pro svoje klienty. Těmi jsou nejčastěji individuální obchodníci, ale mohou jimi být také firmy. Brokeři podobně jako komerční banky vstupují na měnový trh za účelem realizace zisku. Ten však z většinové části pramení z inkasovaných poplatků za zprostředkování služeb ne ze samotných operací na vlastní účet. Brokery můžeme rozdělit dle metody vypořádání obchodních pokynů na tvůrce protistrany (market-maker / dealing desk) a bez tvorby protistrany (no dealing desk / STP a ECN). Více o jednotlivých typech brokerů v kapitole 4. Broker Zákazníci Poslední skupina účastníků na měnovém trhu zahrnuje fyzické i právnické osoby. Fyzické osoby jsou jednotlivci, kteří na měnový trh vstupují za účelem obchodu, spekulace nebo ochrany. Do této skupiny se řadí běžní lidé, obchodníci i investoři z celého světa. Z právnických osob můžeme do skupiny zákazníků zařadit firmy provádějící různorodé finanční operace v cizích měnách, jako například komerční a investiční činnosti, zahraniční obchod, zajištění transakcí spojených se zahraničním obchodem, poskytování služeb spojených s nakládáním s cizími měnami, aj. Právnickými osobami spadajícími do skupiny 21

22 zákazníků na forexu jsou například investiční fondy a jiné druhy fondů, různé finanční instituce a organizace, mezinárodní obchodní společnosti atd. Zákazníci jsou nepočetnější skupinou účastníků na měnovém trhu, avšak ve srovnání s výše vyjmenovanými jsou odpovědní pouze za velmi malou část celkového objemu zrealizovaných transakcí Obchodní hodiny Měnový trh je svými obchodními hodinami raritou mezi trhy, protože v průběhu pracovního týdne vůbec nezavírá. Z důvodu prolínání obchodních časových pásem největších světových finančních center, dochází ke kontinuálnímu pohybu ceny a obchodování 24 hodin denně, 5 dní v týdnu. Jednotlivá časová pásma znázorňuje následující tabulka [GTM +2, Praha]: Tab. 3: Obchodní hodiny forexu Zdroj: FOREX FACTORY: Obchodní hodiny [online]. [cit ]. Dostupné z: Jak vyplývá z tabulky, časy s největší aktivitou na forexu jsou: 14:00 18:00, kdy se souběžně obchoduje v Londýně a New Yorku 1:00 8:00, kde se souběžně obchoduje v Sydney a Tokiu 9:00 10:00, kdy se souběžně obchoduje v Tokiu a Londýně Dle obchodnického portálu FXSTREET 18 vykazuje největší průměrné pohyby na hlavních měnových párech Londýnská obchodní seance. Následující tabulka zobrazuje průměrné denní rozpětí 4 hlavních měnových párů v různých seancích. 18 FXSTREET: [online]. [cit ]. Dostupné z: 22

23 Tab. 4: Rozpětí hlavních měnových párů v různých obch. seancích Zdroj: Vlastní zpracování autora, převzato z: FXSTREET: Obchodní hodiny forexu [online]. [cit ]. Dostupné z: Výhody forexu 1) Nejdelší obchodní doba ze všech trhů (24 h denně, 5 dní v týdnu): Tento bod je velkou výhodou zejména pro AOS, jelikož na rozdíl od člověka, počítač se neunaví a strategie může být v provozu prakticky non-stop. Díky tomu je AOS schopen vygenerovat maximální počet obchodních příkazů, což za předpokladu využití profitabilní strategie vede k uplatnění obchodní výhody na velkém vzorku dat a tím pádem i k minimalizaci volatility výnosové křivky. 2) Vysoká likvidita: Díky obrovskému objemu transakcí zadávaných na měnovém trhu každý den, umožňují obchodní platformy zrealizovat nákup nebo prodej téměř jakéhokoliv měnového páru prakticky okamžitě. To je často nezbytnou podmínkou pro funkci některých intradenních strategií. 3) Nízké poplatky: Obchodování na forexu je jednou z nejlevnějších variant tradingu, jelikož poplatky na forexu jsou dány velikostí spreadu. Na rozdíl od akcií, akciových indexů a komodit kde je obchodník nucen platit pevně stanovené komise za akcii/kontrakt, jsou spready velmi nízké a variabilní v závislosti na aktuální likviditě instrumentu. 4) Možnost využití maximální páky: Využití vysoké páky může několikanásobně zvýšit zhodnocení dosahované obchodní strategií. Na druhou stranu vysoká páka představuje vysoké riziko, proto je potřeba při jejím využití postupovat obezřetně. Retailový brokeři dnes nabízejí maximální páku až 1:

24 5) Možnost obchodovat mikro loty: Díky možnosti vstupu do trhu s minimálním objemem peněz, který u některých market-maker brokerů dosahuje až setin lotu (0,01) 19, je forex přístupný pro velmi široké spektrum obchodníků a AOS. Kapitálová nenáročnost je stimulem pro začínající tradery, kteří se mohou za relativně málo peněz učit či testovat své AOS v reálných podmínkách. Bohužel však jejich nezkušenost často v konečném důsledku vede ke ztrátám, na čemž profitují především brokeři, kteří jim tvoří protistranu (viz kapitola 4.1. Broker market-maker). 6) Velké množství retailových brokerů: Velké množství brokerů znamená vysoce konkurenční prostředí a tedy nízké poplatky a velký výběr. To je výhodou zejména pro náročné obchodníky se specifickými požadavky, kteří uvítají širokou nabídku služeb. 7) Demo účty: Téměř všichni forexoví brokeři dnes nabízejí možnost otevření demo účtu s virtuálním obchodním kapitálem, díky kterému se obchodníci mohou seznámit s obchodní platformou a dynamikou měnového trhu. Demo účty jsou také výborným pomocníkem při testování funkčnosti obchodních strategií, zejména pak při testování v reálném čase, kterému se věnuji v praktické části práce Nevýhody forexu 1) Vysoká páka: Možnost využití vysoké páky můžeme zařadit do výhod i nevýhod forexu. Nevýhodou je mnohonásobně rychlejší zmenšování obchodního účtu v případě použití prodělečné strategie nebo odchýlení od obchodního plánu z důvodu psychické náročnosti obchodování. Bez pákování pozic jsou ztráty minimální, zatímco s využitím páky mohou vyústit ve smazání celého účtu. 2) Nedostatečná regulace: Velké množství brokerských společností má sídlo v exotických lokalitách, na které se nevztahuje dostatečná regulace, což může mít v případě sporu s brokerem negativní následky pro klienta. Proti těmto praktikám se 19 Pozn. autora minimální velikost pozice může být ještě nižší, záleží na obchodních podmínkách brokera. Například Oanda [Dostupné z: nabízí minimální pozici na forexu ve výši 0,0001 lotu. Takto nízké lotáže jsou však spíše výjimkou. 24

25 snaží bojovat velké regulatorní instituce jako CySEC a IFCS, nicméně stále se objevují případy, kdy klienti přišli o kapitál na svých obchodních účtech z důvodu právní nevymahatelnosti majetku. (viz kapitola 4.4. Podvodné praktiky brokerů). 3) Zhoršená dostupnost informací o volume: Forex je decentralizovaným trhem, z toho důvodu z něj nemůžeme vyčíst informace o zobchodovaném objemu, na kterých jsou závislé některé obchodní přístupy. Alternativu však nabízí futures na měnové páry, u kterých volume dostupné je. 4) Většina traderů je ztrátových: Udává se, že 90% obchodníků na forexu je ztrátových a pouze 10% dlouhodobě ziskových. 20 Pro zařazení se do oněch 10% je potřeba věnovat mnoho času studiu a mít určité předpoklady pro úspěch v tomto oboru. 20 HARTMAN, Ondřej a Ludvík TUREK. První kroky na FOREXu: Jak obchodovat a uspět na měnových trzích. Kap Ochraňte se ještě předtím, než sami sebe zruinujete. Vyd. 1. Brno: Computer Press, 2009, vii, 120 s. ISBN

26 3. Základní prvky obchodní strategie Pro vytvoření jakékoliv automatické obchodní strategie, která má mít ziskový potenciál, je nutné rozumět několika klíčovým pojmům a dodržovat pravidla, která z jejich znalosti vyplývají. V této kapitole je rozebrána problematika obchodního plánu a moneymanagementu Obchodní plán Obchodní plán je jakousi kostrou každé obchodní strategie. Zahrnuje jednotlivé složky nezbytné pro úspěch, kterým je potřeba věnovat patřičnou pozornost. Sestavení dobrého obchodního plánu je prvním krokem k vytvoření profitabilní AOS. Plán je vhodné uzpůsobit individuálně dle velikosti kapitálu a tolerance rizika obchodníka. Dvořák definuje následující základní stavební prvky obchodního plánu: 21 1) Vstup do trhu 2) Výstup z trhu 3) Testování a risk management 4) Money management 5) Psychologie A přiděluje jim následující procentuální důležitost: 21 DVOŘÁK, Roman. Trading strategie: Moderní styl obchodování na burze. Obchodní plán: Vyd. 1. Brno: Computer Press, 2008, iv, 140 s. ISBN

27 Graf 1: Obchodní plán Zdroj: Vlastní zpracování autora v aplikaci Numbers. Čerpáno z: DVOŘÁK, Roman. Trading strategie: Moderní styl obchodování na burze. Obchodní plán: Vyd. 1. Brno: Computer Press, 2008, iv, 140 s. ISBN Na základě Dvořákova modelového obchodního plánu byl sestaven postup pro tvorbu strategií EMAcross a Grid1 1. Definovat pravidla pro vstupování do obchodních pozic. 2. Definovat pravidla pro vystupovaní z obchodních pozic. 3. Pravidla naprogramovat pomocí programovacího jazyka obchodní platformy (MetaTrader 4). 4. Strategie otestovat a zoptimalizovat na historických tržních datech (backtesting). Důraz kladen na money-management optimalizace SL a TP 5. Zhodnotit výsledky backtestingu a vyvodit závěr pro další postup zavržení strategie nebo přistoupení k dalšímu stupni testování, tzv. real-time testingu (testování v reálném čase). 6. Zhodnotit výsledky real-time testingu a vyvodit závěr pro další postup zavržení strategie nebo nasazení na reálný obchodní účet. 7. Psychologie - minimální vliv na AOS 3.2. Money-management Řízení kapitálu neboli money-management je nejdůležitější součástí každé investiční strategie. Money-management se zabývá neustálým sledováním toků peněz (příjmů a výdajů), což je klíčovou součástí tvorby racionálního rozhodnutí ve smyslu vstupů a výstupů z pozic a 27

28 nastavení rizika. Správná pravidla pro řízení kapitálu jsou nezbytná pro dlouhodobou úspěšnost jakékoli strategie. Podstatou je snaha o minimalizaci rizika spojeného s nepředvídatelným chováním burzy a zachování obchodního kapitálu. Nesnídal uvádí, že součástí money-managementu úspěšného obchodníka jsou dva okruhy řízení risku na obchod a řízení kapitálu. 22 Řízení risku na obchod: Riziko ztráty na jednu obchodní transakci by mělo být omezené, vzhledem k velikosti obchodního účtu. Pro udržení dlouhodobé stability strategie je vhodné riskovat pouze malé procento z celkového kapitálu. Z toho důvodu by měla být každá pozice zadána do trhu ochráněna stop-lossem (více o stop-lossu v následující podkapitole). V případě nadměrného rizika podstoupeného na jednu nebo několik málo pozic, může dojít k velkým ztrátám, které mohou mít likvidační dopad na celkovou investici i v případě využití profitabilní strategie. Dlouhodobý úspěch strategie tkví v nalezení určité obchodní výhody a její realizaci na velkém obchodním vzorku. Z toho důvodu je nutné riziko rozložit do velkého množství menších transakcí. Řízení kapitálu: Podstatou je průběžné sledování zůstatku na obchodním účtu a přizpůsobování chování tradera, případně nastavení strategie. Příkladem může být série ztrátových obchodů, která významně sníží celkový investiční kapitál. V takovém případě je zapotřebí podniknout určité úpravy, jejichž cílem je maximální omezení dalších ztrát a zachování obchodního kapitálu pro ziskové období. Nesnídal doporučuje snížit riziko na jednotlivé pozice, případně snížit zobchodovaný objem. Naopak ve ziskovém období je možné zobchodovaný objem zvyšovat nebo tvořit rezervy. Řízení kapitálů nám říká, že vždy je potřeba počítat s tím, že dříve nebo později přijde ztrátové období a proto je dobré mít pro takovou situaci připravený plán. Vhodné je snižovat agresivitu při ztrátách a zvyšovat při ziscích. 22 PODHAJSKÝ, Petr a Tomáš NESNÍDAL. Kompletní průvodce úspěšného finančníka. Praha: Centrum finančního vzdělávání, 2009, 338 s. Finančník. ISBN

29 Metody money-managementu (position-sizing) Position-sizing je systém navyšování / zmenšování obchodních pozic v závislosti na výši obchodního kapitálu, který při správném použití umožňuje zvýšit výnosy z dané investiční strategie. Existuje množství různých metod position-sizingu. V následujících odstavcích je vyjmenováno několik z nich. 23 Metoda fixně stanoveného počtu kontraktů: Je základní metodou, která pro vstupy do pozic využívá stále stejný objem, bez ohledu na nárůst či pokles obchodního kapitálu. Použití této metody je vhodné zejména pro testování strategií, kdy nám jde o získání rychlého náhledu na funkčnost strategie. V případě kladných výsledků dosažených i bez použití position-sizingu můžeme předpokládat, že existuje potenciál pro další vylepšení strategie. Metoda fixně stanoveného počtu kontraktů byla využita i pro účely strategie EMAcross. Metoda určitého procenta z výše kapitálu: Nejrozšířenější metodou position-sizingu je metoda fixního procenta kapitálu. Při využití této metody je výše riskované částky na jednu burzovní transakci stanovena určitým fixním procentem z celkové výše obchodního účtu. Absolutní hodnota riskované částky tedy roste úměrně s růstem kapitálu. Výhodou oproti metodě fixního počtu kontraktů je exponenciální růst equity křivky v případě profitabilní strategie. Martingale a Anti-martingale: 24 Metoda martingale říká, že navyšovat pozice (resp. riskovat více % kapitálu na obchod) bychom měli ve ztrátovém období, protože po sérii ztrát by statisticky měly přicházet zisky. Čím delší je pak ztrátové období, tím větší je pravděpodobnost, že následující obchod bude ziskový, a proto na něj chceme vsadit více. Na základě metody martingale funguje algoritmus navyšovaní pozic strategie Grid1. Naproti tomu Anti-martingale metoda doporučuje při ztrátovém období pozice snižovat a při ziskovém období zvyšovat, neboť vychází z logiky, že pokud se nám snižuje obchodní 23 KURZY: Škola obchodníka [online]. [cit ]. Dostupné z: 24 NESNÍDAL, T., P. PODHAJSKÝ a L. ZAMEC. Burza srozumitelně: Money management a risk management. [online]. E- book: Finančník.cz [cit ]. Dostupné z: 29

30 kapitál, nemůžeme si dovolit další velké ztráty a měli bychom riskovat méně, abychom ochránili svoji investici. Kellyho formule: Jednou z dalších známých metod position-sizigu, kterou bych chtěl zmínit je tzv. Kellyho vzorec, který pro své obchodování využívá také známý burzovní obchodník L. Williams. Vzorec určuje velikost pozice v závislosti na procentuální úspěšnosti dané strategie a RRR. Jeho využití je vhodné zejména pro agresivní obchodování komodit a vypadá následovně: 25 F =!!!!!!! F - velikost pozice P - úspěšnost strategie v procentech R - poměr úspěšných obchodů k neúspěšným Stop-loss Stop-loss (SL) je základní ochranný nástroj obchodníků na burze, který slouží k ukončení ztrátové pozice, v případě překročení předem definované maximální ztráty z celkového obchodního kapitálu. Podhajský uvádí jako vhodné hodnoty z hlediska racionálního moneymanagementu 1-2% (z celkového obchodního kapitálu) pro intradenní obchodování a max. 5% pro poziční (swingové) obchodování. 26 Klasická metoda použití stop-lossu spočívá v zadání STOP příkazu na určitou hraniční cenu, pod kterou by ztráta na obchodním účtu (v případě LONG pozice) přesáhla stanovené maximální procento přípustné ztráty na danou pozici. V případě nepříznivého tržního vývoje a proražení stanovené hraniční ceny se příkaz automaticky modifikuje na příkaz typu MARKET a pozice bude uzavřena za nejlepší možnou aktuální cenu. Naopak tomu bude v případě SHORT pozice, kdy je stop-loss aktivován jakmile cena vystoupá nad stanovenou hraniční cenu. Z logiky věci tedy vyplývá, že v momentě vstupu do dlouhé pozice je SL vždy zadán pod aktuální cenu, zatímco v momentě 25 WILLIAMS, Larry R. Dlouhodobá tajemství krátkodobých obchodů: Přístupy k money-managementu. Praha: Centrum finančního vzdělávání, 2007, 272 s. Finančník. ISBN NESNÍDAL, Tomáš a Petr PODHAJSKÝ. Jak se stát intradenním finančníkem: Stop-lossy a výstupy. Praha: Centrum finančního vzdělávání, 2008, 283 s. Finančník. ISBN

31 vstupu do krátké pozice je SL vždy zadám nad aktuální cenu. Velmi rozšířenou modifikací klasického stop-lossu je tzv. trailing stop-loss (dynamický SL), který se na rozdíl od statického SL v případě příznivého tržního vývoje posouvá ve směru trendu a zamyká tak po částech zisky. Výhodou využití trailing SL je zejména vysoký ziskový potenciál v případě silného trendu s minimem korekcí, kde nám posouvaný SL umožní participovat na velké části tržního pohybu. Pro účely strategie Grid1 se pod pojmem stop-loss rozumí čistě cenová hladina, na které dochází k aktivaci jedné z funkcí strategie Grid1, namísto aktivace samotného příkazu STOP a následného výstupu z pozice. Tato problematika je dále rozvedena v kapitole 3.1. Princip funkce strategie Grid Take-profit Take-profit (TP) je předem definovaný zisk pro konkrétní obchodní pozici, při jehož dosažení v případě příznivého tržního vývoje, je pozice uzavřena. Velikost take-profitu závisí na preferencích konkrétního tradera a na zvolené investiční strategii. Podhajský uvádí, že dobrým způsobem volby velikosti TP je analýza hodnot MAE/MFE (Maximum Adverse Excursion / Maximum Favorable Excursion), přičemž obchodník by měl vždy usilovat o kladné risk reward ratio (RRR). RRR je poměr take-profitu a stop-lossu, tedy pokud bychom měli TP 4% a SL 2%, RRR bude 4/2=2. Jinými slovy, v případě příznivého vývoje vyděláme 4%, zatímco v případě vývoje nepříznivého proděláme 2% z celkového obchodního kapitálu. Samozřejmě je nutné zmínit, že při kladném RRR je na náhodně se pohybujícím trhu úměrně větší pravděpodobnost proražení SL 2% než dosažení TP 4%. Nicméně vycházíme z předpokladu, že naše strategie nám přináší určitou obchodní výhodu, díky které v konečném důsledku skončíme ve zisku. Nejvýhodnější poměr RRR je předmětem optimalizace strategie, která je podrobně rozpracována v praktické části práce. 31

32 4. Charakteristika obchodních strategií EMAcross a Grid1 Pro účely této diplomové práce jsem se rozhodl vytvořit, naprogramovat a otestovat dvě různé automatické obchodní strategie. První z nich s názvem EMAcross je postavena na kombinaci několika jednoduchých pravidel, vycházejících ze signálů, vygenerovaných technickými indikátory. Druhá strategie s názvem Grid1 je o něco složitější. Je založena na diametrálně odlišné myšlence, nevyužívá žádné technické indikátory a představuje alternativní přístup k tvorbě AOS. Cílem je na těchto dvou strategiích demonstrovat postup stavby a testování AOS Princip funkce strategie EMAcross Strategie EMAcross je základní, poměrně jednoduchou strategií, která kombinuje pravidla, vycházející z konkrétního nastavení 3 technických indikátorů a aktuálního směru ceny. Zvolené indikátory pro stavbu této strategie jsou dva exponenciální klouzavé průměry s různou periodou EMA 10, EMA 40 a index relativní síly RSI s periodou 14. Pravidla pro vstup do dlouhé pozice jsou následovná: požadujeme, aby na trhu nastala situace, kdy klouzavý průměr s nižší periodou (rychlejší) protne klouzavý průměr s vyšší periodou (pomalejší) zespodu nahoru a zároveň index relativní síly se nachází nad hodnotou 50 a zároveň close poslední úsečky je výše než close úsečky předcházející (trh vykazuje rostoucí charakter). Pravidla pro vsup do krátké pozice jsou následovná: požadujeme, aby na trhu nastala situace, kdy klouzavý průměr s nižší periodou (rychlejší) protne klouzavý průměr s vyšší periodou (pomalejší) shora dolů a zároveň index relativní síly je pod hodnotou 50 a zároveň close poslední úsečky je níže než close úsečky předcházející (trh vykazuje klesající charakter). Pravidla pro výstup z pozic jsou vymezena pevným nastavení stop-lossu a takeprofitu. Nastavení jejich hodnot je předmětem optimalizace strategie, rozpracované v praktické části práce. 32

33 Obr. 2: EMAcross - příklad vstupu do pozice LONG: Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4 Obr. 3: EMAcross - příklad vstupu do pozice SHORT: Zdroj: Vlastní zpracování autora v aplikaci MetaTrader Charakteristika indikátoru EMA Indikátor EMA neboli exponenciální klouzavý průměr spadá do skupiny klouzavých průměrů. Rejnuš jej definuje následovně: Exponenciální klouzavý průměr /exponential moving average/ je váženým klouzavým průměrem, jehož váhy nejsou rozděleny lineárně, nýbrž exponenciálně. Největší váhu mají současná data, ale směrem do minulosti váhy klesají. Na rozdíl od vážených klouzavých průměrů se však při výpočtech navíc přiřazuje určitá váha i 33

34 nejstarším kurzům sledovaného období, takže žádný kurz není z výpočtu zcela vyloučen. 27 Výpočet EMA vypadá následovně: EMA = Cn K + EMAn 1 1 K n - délka sledovaného časového období Cn - cena použitá k výpočtu průměru (dnešní) K - podíl čísla 2 a počtu sledovaných časových období + 1; (=2/(n+1)) Výpočet exponenciálního klouzavého průměru je oproti jednoduchému klouzavému průměru (SMA simple moving average) složitější, avšak velmi dobře reflektuje aktuální charakter trhu vzhledem k tomu, že ve výpočtu přikládá vyšší váhu novějším cenám. Z toho důvodu jsem se rozhodl zahrnout tento indikátor do jedné ze strategií obsažené v této práci. Následující dva grafy názorně zobrazují vizuální rozdíl mezi SMA a EMA na totožném období na trhu USDJPY. Obr. 4: Exponenciální klouzavý průměr (EMA 20) Zdroj: Vlastní zpracování autora v aplikaci MetaTrader REJNUŠ, Oldrǐch. Financňí trhy: Exponenciální klouzavý průměr. 2., rozš. vyd. Ostrava: Key Publishing, 2010, 659 s. Ekonomie (Key Publishing). ISBN

35 Obr. 5: Jednoduchý klouzavý průměr (SMA 20) Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Periody klouzavého průměru pro testování strategie EMAcross byly zvoleny na základě optimalizace provedené v MetaTraderu. Rychlejší EMAfast byl optimalizován na hodnoty 10, 20, 30, 40, 50, 60, pomalejší EMAslow pak na hodnoty 20, 30, 40, 50, 60, 70. Pro optimalizaci bylo zvoleno pevné nastavení take-profitu a stop-lossu TP 30 / SL 30. Nejlepší výsledky vykázalo nastavení EMAfast s periodou 10 a EMAslow s peridou 40. Graf 2: Optimalizační graf period EMA Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Vizuální podobu optimálního nastavení použitých klouzavých průměrů EMA 10 a EMA 40 zobrazuje následující graf: 35

36 Obr. 6: EMA 10 + EMA 40 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader Charakteristika indikátoru RSI Indikátor RSI neboli index relativní síly definuje Rejnuš následovně: Relative strenght index /RSI/ byl zkonstruován za účelem odstranění obecně známých nedostatků oscilátorů a slouží k identifikaci trendů a k indikaci signálů doporučujících vstup na trh, resp. jeho opuštění. 28 Vzorec pro jeho výpočet vypadá následovně: RSI! n = 100!""!!!"! = 100!""!!!!!(!) RSI t (n) - hodnota oscilátoru RSI v čase (t) pro období (n) U(n) - součet kladných kurzových změn za sledované období (n) D(n) - součet záporných kurzových změn za sledované období (n) RSI spadá do kategorie oscilátorů, což jsou indikátory měřící změnu kurzu za zvolené časové období a jsou vhodné pro použití v postranním trhu. 29 To je jeden z důvodů proč jsem se rozhodl zkombinovat RSI s klouzavými průměry, které spadají do kategorie indikátorů 28 REJNUŠ, Oldrǐch. Financňí trhy: Relative Strenght Index /RSI/. 2., rozš. vyd. Ostrava: Key Publishing, 2010, 659 s. Ekonomie (Key Publishing). ISBN REJNUŠ, Oldrǐch. Financňí trhy: Oscilátory. 2., rozš. vyd. Ostrava: Key Publishing, 2010, 659 s. Ekonomie (Key Publishing). ISBN

37 trendových a tudíž poskytují lepší výstupy v období růstu či poklesu. Index relativní síly osciluje v rozmezí hodnot se středovou linií na úrovni hodnoty 50. Rejnuš ve své publikaci uvádí, že právě středovou linii indikátoru lze použít pro pro vstupy do obchodních pozic. 30 Za signál k nákupu se považuje protnutí středové linie zdola, zatímco za signál k prodeji se považuje protnutí středové linie shora. Strategie EMAcross využívá středovou linii indikátoru RSI jako potvrzovací kritérium pro vstup do pozic, přičemž linie nemusí být v okamžiku vstupu právě protnuta, ale postačuje když se aktuální hodnota RSI nachází nad ní (pro long) nebo pod ní (pro short). Délka použité periody pro výpočet indikátoru se odvíjí od preferencí obchodníka a je podobně jako periody klouzavých průměrů vhodným parametrem k optimalizaci. Autor indikátoru J. W. Wilder však doporučuje využití periody RSI 14, což je hodnota použitá i v případě strategie EMAcross. Následující graf zobrazuje vizuální podobu indikátoru RSI s periodou 14 na trhu USDJPY. Obr. 7: Relative Strenght Index (RSI) Zdroj: Vlastní zpracování autora v aplikaci MetaTrader Myšlenka strategie EMAcross Základní myšlenkou strategie EMAcross je pomocí kombinace trendového indikátoru a oscilátoru identifikovat začátek potenciálního trendu a ziskově na něm participovat. Jak bylo uvedeno v předchozí kapitole, indikátor EMA je dobrým pomocníkem při určování směru trendu. Jeho sílu lze vyčíst z úhlu jeho náklonu horizontální poloha klouzavého průmětu značí pohyb trhu do strany. Čím více se EMA naklání vertikálním směrem (nahoru či dolů), 30 REJNUŠ, Oldrǐch. Financňí trhy: Relative Strenght Index /RSI/. 2., rozš. vyd. Ostrava: Key Publishing, 2010, 659 s. Ekonomie (Key Publishing). ISBN

38 tím silnější na trhu existuje trend. Jelikož perioda klouzavého průměru určuje jeho citlivost na cenu, nabízí se kombinace dvou různých period a jejich průnik jako dobře definovatelný signál k nákupu či prodeji. Dobrá definovatelnost podmínky je důležitým kritériem při tvorbě automatické obchodní strategie, protože čím více bude podmínka závislá na diskrečním přístupu tradera a čím složitější bude ji naprogramovat, tím větší bude riziko chybného zápisu kódu a tudíž nesprávného fungování algoritmu. Pro minimalizaci případů, kdy se trh pohybuje delší dobu do strany a dochází k častému křížení klouzavých průměrů v horizontální poloze, jsem zvolil přidání oscilačního indikátoru RSI, který si uchovává dynamiku i v netrendovém období a umožňuje tak vyfiltrovat některé falešné signály. Důvodem pro výběr indikátoru RSI je také jeho popularita a rozšířenost mezi obchodníky, což může mít v některých případech vliv na jeho funkčnost. Finální potvrzující podmínkou vstupu do pozice je samotný fakt, že cena se pohybuje požadovaným směrem. Tuto podmínku jsem do kódu definoval s pomocí uzavíracích cen poslední a předposlední úsečky. Pointou je eliminace takových situací na trhu, kdy jsou splněny obě prvotní podmínky pro vstup do obchodu (překřížení EMA 20 s EMA 40 + RSI na správné straně středové linie), ale z důvodu nadstandardně vysoké volatility (například při vyhlašovaní makroekonomických výsledků úrokové míry, inflace, nezaměstnanost, atd.) nedojde k rozjezdu trendu, nýbrž ke zvýšenému kolísání trhy na obě strany. Tyto situace nenastávají příliš často, nicméně přestavují potenciální nebezpečí Princip funkce strategie Grid1 Grid1 je strategie tzv. mřížkového typu (odtud název Grid). Její podstatou je zaujímání protichůdných pozic na stejném trhu (hedging) a jejich následné navyšování v případě protichůdného vývoje trhu. Jak long, tak short pozice mají předem stanovené hodnoty stoplosu (SL) a take-profitu (TP). Při pohybu trhu jakýmkoliv směrem se dostává jedna pozice do zisku a druhá do ztráty. Pokud se trh pohne alespoň o tolik pipů, aby došlo k vyplnění příkazu TP u ziskové pozice, příkaz je okamžitě vyplněn, balance na účtu vzroste o danou částku (= velikost pozice v lotech * TP (pips * point)) a souběžně se na aktuální ceně otevře nová pozice ve stejném směru s totožnými hodnotami TP a SL. Zároveň s tím, jak zisk jedné z pozic roste, druhá pozice se dostává do ztráty a přibližuje se ke svému SL. Pro účely této 38

39 konkrétní strategie však stop-loss funguje jinak než je běžné. SL není do trhu zadán napevno jako příkaz typu STOP, ale je definován ve zdrojovém kódu pouze jako pomyslná úroveň, při jejímž proražení se pozice neuzavře, ale dochází k následujícím krokům: 1) Otevření další pozice ve stejném směru, se stejnými hodnotami SL a TP a dvojnásobným objemem než u původní pozice. 2) Posunutí SL úrovně původní pozice na úroveň SL nově otevřené pozice. V případě, že cenový pohyb pokračuje dále stále stejným směrem, dojde k: zasažení úrovně SL (tentokrát jsou tu již 2 SL úrovně 1. a 2. pozice) otevření další pozice ve stejném směru se stejnými hodnotami TP a SL s trojnásobným objemem než u 1. pozice posunu SL úrovní obou dříve otevřených pozic na úroveň SL hodnoty nově otevřené, v pořadí již 3. pozice. Tímto způsobem se otevírají v daném směru další a další pozice, dokud to equity na obchodním účtu dovoluje. Objemy se však násobí pouze do 4. pozice, od 5. pozice začínají opět na původní hodnotě. Algoritmus přidávání objemů je uveden v příloze 2 této práce. Vysvětlení: [OpL] => počet otevřených LONG pozic [LotL] => velikost kontraktu (objem) následující LONG pozice [Lot] => externě zadaná výchozí hodnota velikosti kontraktu [if(opl% 4== 0) { LotL=Lot*1; }] => pokud je hodnota OpL děleno 4 rovna nějakému celému číslu se zbytkem 0, proměnné LotL je přiřazena hodnota Lot*1 [if(opl% 4== 1) { LotL=Lot*2; }] => pokud je hodnota OpL děleno 4 rovna nějakému celému číslu se zbytkem 1, proměnné LotL je přiřazena hodnota Lot*2 [if(opl% 4== 2) { LotL=Lot*3; }] => pokud je hodnota OpL děleno 4 rovna nějakému celému číslu se zbytkem 2, proměnné LotL je přiřazena hodnota Lot*3 [if(opl% 4== 3) { LotL=Lot*4; }] => pokud je hodnota OpL děleno 4 rovna nějakému celému číslu se zbytkem 3, proměnné LotL je přiřazena hodnota Lot*4 39

40 [OpS] => počet otevřených SHORT pozic [LotS] => velikost kontraktu (objem) následující SHORT pozice [if(ops% 4== 0) { LotS=Lot*1; }] => pokud je hodnota OpS děleno 4 rovna nějakému celému číslu se zbytkem 0, proměnné LotS je přiřazena hodnota Lot*1 [if(ops% 4== 1) { LotS=Lot*2; }] => pokud je hodnota OpS děleno 4 rovna nějakému celému číslu se zbytkem 1, proměnné LotL je přiřazena hodnota Lot*2 [if(ops% 4== 2) { LotS=Lot*3; }] => pokud je hodnota OpL děleno 4 rovna nějakému celému číslu se zbytkem 2, proměnné LotL je přiřazena hodnota Lot*3 [if(opl% 4== 3) { LotL=Lot*4; }] => pokud je hodnota OpS děleno 4 rovna nějakému celému číslu se zbytkem 3, proměnné LotS je přiřazena hodnota Lot* Myšlenka strategie Grid1 Základní myšlenkou strategie je předpoklad, že většina tržních pohybů jakýmkoliv směrem je doprovázena korekcemi ceny. I při silném trendu nastávají korekce nazpět a právě díky těm strategie vydělává. Při každém protnutí SL je přidána další pozice, která je zlikvidována až při proražení jejího TP na případné korekci nebo při otočení trendu. Díky tomuto systému má strategie statistickou výhodu na standardně se pohybujícím trhu (trend s korekcemi nebo pohyb do strany). Problém nastává v situaci, kdy se trh pohybuje jedním směrem dlouhou dobu bez korekcí nebo s korekcemi menšími, než aby byly dostatečné k zasažení nastaveného TP (např. když je TP 30 pipů a korekce pouze 20 pipů). V takovém případě dochází ke štosování ztrátových pozic, které i když jsou částečně pokrývány zisky z protichůdných obchodů, mohou vyústit v kompletní vymazání účtu. Chceme-li se strategií Grid1 dosáhnout dlouhodobé ziskovosti, je nutné aby při testech vykazovala za danou časovou periodu vyšší zhodnocení, než byl největší propad portfolia. Tuto vlastnost strategie dobře interpretuje poměr procentuálního zisku vůči maximálnímu procentuálnímu drawdownu (více v kapitole 7.5 Optimalizace). Ten je potřeba zjistit z důkladných backtestů strategie s několika různými nastaveními parametrů TP a SL a na několika různých trzích (viz praktická část práce). Jakmile je dosaženo zdvojnásobení kapitálu, máme tyto možnosti jak s ním dále naložit: 1) Vybrat zisky a nechat strategii dále spuštěnou na původní výši kapitálu 40

41 2) Rozdělit kapitál na dvě jednotky o velikosti původního vkladu a pustit strategii na každé zvlášť (každou na jiném trhu, v jiný časový okamžik nebo s jiným nastavením vstupních proměnných pro dosažení nekorelovaných výnosových křivek) V ideálním případě při postupu dle bodu 2, by měl v dlouhodobém měřítku náš kapitál stále narůstat a postupně se rozdělovat na více a více částí, čímž by mělo být dosaženo stále větší diverzifikace a stability výnosů. Z hlediska dodržování rozumného money-managementu by bylo vhodné neinvestovat 100% kapitálu do jednoho konkrétního nastavení strategie na jednom trhu (a následně čekat na jeho zdvojnásobení, než bude možné jej rozdělit dle bodu 2), ale kapitál již na začátku rozdělit na několik dílčích jednotek a na každé z nich následně strategii spustit s jiným nastavením vstupních parametrů nebo na jiném trhu. Předpokladem je však dostatečná výše celkového kapitálu. Strategie Grid1 byla testována (s jedním nastavením na jednom trhu) na účtu o velikosti $. Tato částka je tedy pro dané nastavení strategie minimální. S každým dalším násobkem této částky je pak možné přidávat i další kmeny strategie s jiným nastavením. 41

42 5. Broker K uskutečnění burzovních transakcí je potřeba mít zprostředkovatele, který nám poskytne obchodní platformu a umožní zadávat obchodní příkazy. Tento zprostředkovatel se nazývá broker. Broker má oprávnění na základě požadavku obchodníka nakupovat a prodávat finanční aktiva na burze a za svoje služby si účtuje poplatky. Mezi nejčastější poplatky brokerů se řadí poplatek za vedení účtu, spread, komise a swap. Poplatek za vedení účtu již v dnešní době není příliš častý. Swap se účtuje při obchodech otevřených jeden den a více. Komise se nejčastěji účtuje při obchodování akcií a komodit, přičemž je to sazba za kompletně provedený obchod, tedy otevření a uzavření dané obchodní pozice. 31 Komise můžeme najít například u společností Interactive Brokers nebo Mirus Futures. Ve světě forexu je nejběžnějším poplatkem právě spread, což je rozdíl mezi nákupní a prodejní cenou daného investičního instrumentu, který je z obchodníkova účtu odečten vždy v momentě otevření nové pozice. Výše spreadu je jedním z hlavních parametrů při výběru brokera a u těch serióznějších společností se na eurodolaru pohybuje v rozmezí 1-2 pipů. Konkurence na tomto poli je obrovská. Na trhu dnes dle investičního portálu fxstreet.cz působí stovky brokerů 32, což je na jednu stranu velká výhoda (obchodník má možnost si zvolit přesně to, co potřebuje), na druhou stranu je velká část z nich riziková (vysoké poplatky, krátká doba působení na trhu, nedostatečná regulace,...). Několik brokerských společností působí také v České republice, např. XTB, Bossa, CYRRUS, Colosseum, Axiory a další. Výhodou je česká podpora, nicméně jejich nabídka je většinou oproti zahraniční konkurenci omezená a poplatky vysoké. Jedním z nejdůležitějších kritérií pro posouzení integrity brokera je způsob, kterým vypořádává přijaté obchodní příkazy STP/ECB (no dealing desk) vs. marketmaker HARTMAN, Ondřej. Začínáme na burze: jak uspět při obchodování na finančních trzích - akcie, komodity a forex: Poplatky. 1. vyd. Brno: BizBooks, 2013, 246 s. ISBN FXSTREET: Srovnání a hodnocení FOREX brokerů. [online]. [cit ]. Dostupné z: 33 DEMJAN, Valér, Ronald IŽIP a Martin MORAVČÍK. Pravda a mýty o Forexe: ako obchodovať na najväčšom finančnom trhu. Bratislava: Trim S&P, 2011, 231 s. ISBN

43 5.1. Broker market-maker Broker market-maker je tvůrce trhu. Ve vztahu ke klientovi (obchodníkovi) tedy nevystupuje pouze jako prostředník mezi ním a burzou, ale rovnou mu poskytuje protistranu. Obchodníkova ztráta je brokerův zisk a obráceně. Výhodou tohoto typu brokerů je, že velmi často poskytují vysoké bonusy k depositům na obchodní účet. Ty v některých případech dosahují až do výše 100% z vkladu, ovšem jsou často omezeny určitou maximální hodnotou vkladu. Bonusy jsou velmi účinným marketingovým nástrojem brokerů, jelikož dokáží přilákat velké množství retailových obchodníků. Další výhodou je velké množství nabízených trhů a jejich vysoká likvidita. Na druhou stranu je si třeba uvědomit, že broker market-maker prodělává peníze, když obchodník vydělává, což samozřejmě broker nechce. Existuje zde tedy očividný střet zájmů STP Broker STP (Straight Through Processing) brokeři vystupují ve vztahu ke klientovi jako čistí prostředníci. Přijímají příkazy od obchodníků a posílají je dále do trhu k poskytovatelům tržní likvidity. Jejich zisky pramení z poplatků za uskutečněné transakce. Na forexovém poli jsou to nejčastěji spready. Tedy čím větší objem daný klient zobchoduje, tím více broker vydělá. Zájmem SPT brokera je tedy aby byli jeho klienti úspěšní a využívali jeho služeb co nejdéle. Je třeba zmínit, že market-maker brokeři mají také spready, avšak často nižší než STP brokeři. Ty však nejsou jejich hlavním zdrojem příjmů, neboť cca 80-90% obchodníků je prodělečných vydělávají tedy na jejich ztrátách, protože jim tvoří protistranu 34. Začínající obchodníci pak mohou velmi nízké spready považovat za konkurenční výhodu a nechají se zlákat. Ve většině případů bude vše v pořádku a přístup ze strany market-maker brokera bude férový. Zvlášť pokud podléhá přísným regulacím. Občas se s nimi však obchodník může nepříjemně spálit. Příkladem problematického brokera je aktuálně (k ) společnost Iron FX, která čelí hromadné žalobě od svých klientů a vyšetřování regulátorem CySEC, 34 NESNÍDAL Tomáš, PODHAJSKÝ Petr. Kompletní pru vodce úspe šného financňíka. Praha: Centrum financňího vzdělávání, ISBN

44 kvůli neplnění požadavků na výběry z klientských obchodních účtů. 35 Jako možný důvod problémů této brokerské společnosti se uvádí nezvládnutí nečekané intervence švýcarské centrální banky na franku 36 v lednu tohoto roku ECN Broker ECN (Electronic Communication Network) broker funguje podobně jako STP broker avšak s tím rozdílem, že objednávky na burzovní transakce přijímané od svých klientů se v první řadě snaží vypořádat mezi klienty navzájem v rámci vlastního systému. Takto vypořádané transakce nemají vliv na pohyb ceny na trhu. Teprve při přebytku nákupních či prodejních příkazů dojde k odeslání objednávky do trhu a k jejímu vypořádání prostřednictvím poskytovatelů likvidity Podvodné praktiky brokerů V návaznosti na předchozí odstavce bych rád zmínil několik podvodných metod, které mohou nepoctiví brokeři využít a na které by si obchodníci měli dát pozor jak při výběru brokera, tak v průběhu samotného obchodování: 37 1) Umělé upravování ceny, prostřednictvím zásahů do zdrojového kódu obchodní platformy (např. MetaTrader4 je velmi náchylný na internetu se dokonce vyskytují návody, jak podvádět). Projevuje se jako odklon cenového grafu zobrazeného v platformě brokera od skutečného cenového grafu (zobrazeného např. v portálu Bloomberg). Nejčastěji o několik pipů uměle prodloužené spiky (dna nebo vrcholy krátkodobých trendových pohybů), mající za úkol prorazit velké množství stop-loss 35 FINANANCE MAGNATES: How Did IronFX Clients Withdrawal Issues Trigger a CySEC Investigation? [online]. [cit ]. Dostupné z: 36 PENÍZE: Frank vystřelil ke hvězdám. Švýcarsko hází ručník do ringu [online]. [cit ]. Dostupné z: 37 DAILY FOREX: Forex Scams [online]. [cit ]. Dostupné z: 44

45 příkazů, čekajících nad/pod významnou úrovní, která vychází z technické analýzy (support, resistence, double top/bottom apod.) 2) Častý a výrazný slippage (prodlení mezi zadáním příkazu a jeho vyplněním). Broker při zadání příkazu do trhu obchodníkem může uměle vytvořit nepatrnou časovou prodlevu - např. 1 vteřinu. Pokud se za tu dobu cena pohne proti obchodníkovi, broker vypořádá jeho příkaz za jím stanovenou cenu bez slippage ztrátu inkasoval obchodník. Pokud se však cena v průběhu první vteřiny po zadání příkazu pohne ve směru obchodníkovy objednávky, broker vytvoří obchodníkovi slippage, vypořádá jeho příkaz o vteřinu později za horší cenu a sám si nechá zisk z kladného cenového pohybu v průběhu první vteřiny obchodu. 3) Nevýhodně nastavené obchodní podmínky velmi málo obchodníků důkladně čte podmínky a i kdyby si dali tu práci, je možné, že by si některých zákeřných odstavců nevšimli, jelikož podmínky bývají často velmi obsáhlé a v angličtině. To může vyústit v opakované zamítání požadavků na výběry prostředků nebo dokonce zrušení obchodního účtu ze strany brokera. Toto riziko je možné minimalizovat prověřením regulace, které broker podléhá. Ta by měla zásadní problémy týkající se peněžních výběrů a další manipulace z účtem eliminovat. 4) Nedostatečná/falešná regulace, offshore sídlo brokeři na svých internetových stránkách často prezentují certifikáty o různých regulacích. Problém zde však tkví v tom, zda-li je daná regulace dostatečná, na co všechno se vztahuje a jakou přidanou hodnotu ve skutečnosti má pro klienty. Velké množství brokerských domů také sídlí v některém z daňových rájů, na které se evropská regulace nevztahuje a proto může být v případě právního sporu velmi náročné cokoliv vymáhat. 45

46 6. Zdrojové kódy strategií Grid1 a EMAcross V této kapitole jsou podrobně vysvětleny logické příkazy a funkce použité ve zdrojových kódech obou AOS. Text je rozčleněn na podkapitoly, ve kterých se věnuji jednotlivým funkčním celkům obsaženým v algoritmech Vysvětlení zdrojového kódu EMAcross Kompletní zdrojový kód strategie je obsažen v příloze 1 této práce. Strategie je naprogramována prostřednictvím softwaru MetaTrader 4 v jazyce MQL4, jehož syntax je až na několik výjimek podobná jazyku C Proměnné Proměnné v průběhu chodu programu uchovávají data, která budou potřeba k dalšímu zpracování. Proměnné mohou být buď interní nebo externí. Interní proměnné jsou pevně definovány do zdrojového kódu a lze je měnit pouze zásahem do kódu samotného. Naproti tomu proměnné externí je možné měnit jednoduše přímo z testovací platformy a umožňují tak pro strategii nastavit různé parametry klíčových vstupních hodnot, na základě individuálního uvážení obchodníka. Díky externím proměnným je také možné provádět v MetaTraderu optimalizaci. Pro strategii EMAcross jsou definovány následující externí proměnné: stop-loss [SL] take-profit [TP] velikost pozice v lotech [Lot] perioda rychlejšího klouzavého průměru EMA [FastEMA] perioda pomalejšího klouzavého průměru EMA [SlowEMA] Dlouhá pozice vstup a výstup Pokud je klouzavý průměr [if ((ima] s periodou FastEMA [FastEMA,], metodou výpočtu exponenciální [MODE_EMA,], počítaný z uzavíracích cen [PRICE_CLOSE,] větší než [>] 46

47 klouzavý průměr [(ima] s periodou SlowEMA [SlowEMA,], metodou výpočtu exponenciální [MODE_EMA,], počítaný z uzavíracích cen [PRICE_CLOSE,] a zároveň [&&] je if ( (ima(null,0,fastema,0,mode_ema,price_close,0)) > (ima(null,0,slowema,0,mode_ema,price_close,0)) && klouzavý průměr s periodou FastEMA=20, metodou výpočtu exponenciální, počítaný z uzavíracích cen menší než klouzavý průměr s periodou SlowEMA=40, metodou výpočtu exponenciální, počítaný z uzavíracích cen a zároveň je (ima(null,0,fastema,0,mode_ema,price_close,1)) < (ima(null,0,slowema,0,mode_ema,price_close,1)) && RSI [irsi] s periodou 14 [14,], počítaný z uzavíracích cen větší než 50 [> 50] a zároveň irsi(null,0,14,price_close,0) > 50 && je uzavírací cena úsečky [iclose], která je poslední uzavřenou cenou [0)] větší než uzavírací cena úsečky [iclose] která je předposlední uzavřenou cenou [1)] a zároveň je iclose(null,0,0) > iclose(null,0,1) && počet aktuálně otevřeným pozic roven nule [OrdersTotal() == 0 )], OrdersTotal() == 0 ) otevře se obchod [OrderSend] na aktuálním grafu, na kterém je strategie spuštěna [Symbol()], příkazem BUY [OP_BUY], v určitém objemu lotů [Lot], za cenu ASK [Ask], s max. akceptovaným slippage 3 pipy [3], stop-losem na hodnotě ASK minus externě zadaná hodnota SL krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [Ask- SL*Point] a take-profitem na hodnotě ASK plus externě zadaná hodnota TP krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [Ask+TP*Point]. OrderSend(Symbol(),OP_BUY,Lot,Ask,3,Ask-SL*Point,Ask+TP*Point); 47

48 Krátká pozice vstup a výstup Pokud je klouzavý průměr s periodou FastEMA, metodou výpočtu exponenciální, počítaný z uzavíracích cen menší než klouzavý průměr s periodou SlowEMA, metodou výpočtu exponenciální, počítaný z uzavíracích cen a zároveň je if ( (ima(null,0,fastema,0,mode_ema,price_close,0)) < (ima(null,0,slowema,0,mode_ema,price_close,0)) && klouzavý průměr s periodou FastEMA=20, metodou výpočtu exponenciální, počítaný z uzavíracích cen větší než klouzavý průměr s periodou SlowEMA=40, metodou výpočtu exponenciální, počítaný z uzavíracích cen a zároveň je (ima(null,0,fastema,0,mode_ema,price_close,1)) > (ima(null,0,slowema,0,mode_ema,price_close,1)) && RSI s periodou 14, počítaný z uzavíracích cen menší než 50 a zároveň irsi(null,0,14,price_close,0) < 50 && je uzavírací cena úsečky, která je poslední uzavřenou cenou menší než uzavírací cena úsečky, která je předposlední uzavřenou cenou a zároveň je iclose(null,0,0) < iclose(null,0,1) && počet aktuálně otevřeným pozic roven nule, OrdersTotal() == 0 ) otevře se obchod na aktuálním grafu, na kterém je strategie spuštěna, příkazem SELL [OP_SELL], v určitém objemu lotů, za cenu BID [Bid], s max. akceptovaným slippage 3 pipy, stop-losem na hodnotě BID plus externě zadaná hodnota SL krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [Bid+SL*Point] a take-profitem na hodnotě BID 48

49 minus externě zadaná hodnota TP krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [Bid-TP*Point]. OrderSend(Symbol(),OP_SELL,Lot,Bid,3,Bid+SL*Point,Bid-TP*Point); 6.2. Vysvětlení zdrojového kódu Grid1 Zdrojový kód strategie Grid1 je o něco složitější než u EMAcross. Důležitým rozšířením algoritmu je zakomponování jedné z metod position-sizingu (konkrétně se jedná o modifikaci metody martingale). Kompletní zdrojový kód strategie je obsažen v příloze Proměnné Algoritmus strategie Grid1 pracuje na rozdíl od strategie EMAcross i s několika interními proměnnými, které není možné optimalizovat a upravovat z testovací platformy, neboť se při chodu strategie neustále samostatně mění, v závislosti na pokročilosti cyklu algoritmu a zásah do jejich nastavení by mohl ohrozit funkci strategie. Pro strategii Grid1 jsou definovány následující interní proměnné: poslední zapsaná hodnota ceny ASK [PrevAsk] poslední zapsaná hodnota ceny BID [PrevBid] počet aktuálně otevřených pozic LONG [OpL] počet aktuálně otevřených pozic SHORT [OpS] velikost následující pozice LONG [LotL] velikost následující pozice SHORT [LotS] A následující externí proměnné: range (alternativa SL) [Range] take-profit [TP] velikost pozice v lotech [Lot] Algoritmus navyšování pozic Metoda position-sizingu použitá ve strategii Grid1 je klíčovým prvkem obchodního plánu strategie. Z toho důvodu jí byl věnován prostor již v teoretické části práce, v kapitole 4.2. Princip funkce strategie Grid1, kde byla vysvětlena. 49

50 Otevírání dlouhých pozic Pokud je aktuální počet otevřených dlouhých pozic roven nule [if(opl==0], otevře se obchod [OrderSend] na aktuálním grafu, na kterém je strategie spuštěna [Symbol()], příkazem BUY [OP_BUY], v určitém objemu lotů [LotL], za cenu ASK [Ask], s max. akceptovaným slippage 3 pipy [3], stop-losem 0 pipů [0] a take-profitem na hodnotě ASK plus externě zadaná hodnota TP krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [Ask+TP*Point]. Dále se interní proměnná PrevAsk (Previous ASK, neboli minulý ASK) přepíše na aktuální cenu ASK [PrevAsk=Ask] a proměnná OpL vzroste o 1 [OpL++]. if(opl==0) { OrderSend(Symbol(),OP_BUY,LotL,Ask,3,0,Ask+TP*Point); PrevAsk=Ask; OpL++; } Pokud je aktuální počet otevřených dlouhých pozic větší než nula a zároveň cena ASK je menší nebo rovna hodnotě PrevAsk minus velikost pomyslného stop-losu v pipech krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [if(opl>0 && Ask<=PrevAsk-Range*Point)], tedy trh klesne o předem definovanou hodnotu Range, otevře se obchod na aktuálním grafu, na kterém je strategie spuštěna, příkazem BUY, v určitém objemu lotů, za cenu ASK, s max. akceptovaným slippage 3 pipy, stop-losem 0 pipů a take-profitem na hodnotě ASK plus externě zadaná hodnota TP krát počet desetinných míst, ve kterém je kótována cena daného instrumentu. Dále se proměnná PrevAsk přepíše na aktuální cenu Ask a proměnná OpL vzroste o 1. if(opl>0 && Ask<=PrevAsk-Range*Point) { OrderSend(Symbol(),OP_BUY,LotL,Ask,3,0,Ask+TP*Point); PrevAsk=Ask; OpL++; } 50

51 Otevírání krátkých pozic Pokud je aktuální počet otevřených krátkých pozic roven nule, otevře se obchod na aktuálním grafu, na kterém je strategie spuštěna, příkazem SELL [OP_SELL], v určitém objemu lotů [LotS], za cenu BID [Bid], s max. akceptovaným slippage 3 pipy, stop-losem 0 pipů a takeprofitem na hodnotě BID minus externě zadaná hodnota TP krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [Bid-TP*Point]. Dále se proměnná PrevBid (Previous BID, neboli minulý BID) přepíše na aktuální cenu BID [PrevBid=Bid] a proměnná OpS vzroste o 1. if(ops==0) { OrderSend(Symbol(),OP_SELL,LotS,Bid,3,0,Bid-TP*Point); PrevBid=Bid; OpS++; } Pokud je aktuální počet otevřených krátkých pozic větší než nula a zároveň cena BID je větší nebo rovna hodnotě PrevBid plus velikost pomyslného stop-losu v pipech krát počet desetinných míst, ve kterém je kótována cena daného instrumentu [if(ops>0 && Bid>=PrevBid+Range*Point)], tedy trh vzroste o předem definovanou hodnotu Range, otevře se obchod na aktuálním grafu, na kterém je strategie spuštěna, příkazem SELL, v určitém objemu lotů, za cenu BID, s max. akceptovaným slippage 3 pipy, stop-losem 0 pipů a takeprofitem na hodnotě BID minus externě zadaná hodnota TP krát počet desetinných míst, ve kterém je kótována cena daného instrumentu. Dále se proměnná PrevBid přepíše na aktuální cenu Bid a proměnná OpS vzroste o 1. if(ops>0 && Bid>=PrevBid+Range*Point) { OrderSend(Symbol(),OP_SELL,LotS,Bid,3,0,Bid-TP*Point); PrevBid=Bid; OpS++; } 51

52 Přepočet aktuálně otevřených dlouhých a krátkých pozic Prostřednictvím smyčkového příkazu FOR [for] algoritmus projede a spočítá všechny aktuálně otevřené dlouhé a krátké pozice. Postupně bere jednotlivé pozice, dle jejich číselného označení, od 0 (nejstarší otevřená pozice) až po hodnotu, která je rovna součtu všech otevřených pozic minus 1 (nejnovější otevřená pozice). [for (int i=0; i<orderstotal(); i++)]. Pokud je daná pozice typu LONG [if(ordertype()==op_buy)], přičte k dočasné proměnné OpL_temp (temporary) jedničku [OpL_temp++;]. Pokud je naopak SELL [else if(ordertype()==op_sell)], přičte jedničku k dočasné proměnné OpS_temp [OpS_temp++;]. Hodnoty OpL a OpS jsou v částech 8.3. Otevírání dlouhých pozic a 8.4. Otevírání krátkých pozic pouze navyšovány. Tato (následující) část algoritmu má za úkol hodnoty OpL a OpS snižovat, v případě že dojde k uzavření některé z pozic (na take-profitu). Funkce pracuje tak, že při každém ticku (minimální pohyb ceny) porovná počet skutečně otevřených pozic OpS_temp a OpL_temp s aktuálními hodnotami OpS a OpL. Pokud je hodnota OpL větší než OpL_temp [if(opl>opl_temp)], znamená to, že došlo k uzavření jedné nebo více dlouhých pozic a musí se provést následující kroky: 1) Hodnota PrevAsk je přepočítána dle následujícího vzorce: [PrevAsk=(Bid-TP*Point)+Range*Point] 2) Hodnota OpL je zaktualizována dle: [OpL=OpL_temp] Pokud je hodnota OpS větší než OpS_temp [if(ops>ops_temp)], znamená to, že došlo k uzavření jedné nebo více krátkých pozic a musí se provést následující kroky: 1) Hodnota PrevBid je přepočítána dle následujícího vzorce: [PrevBid=(Ask+TP*Point)-Range*Point] 2) Hodnota OpS je zaktualizována dle: [OpS=OpS_temp] 52

53 7. Backtesting Backtesting je pravděpodobně nejlepším nástrojem pro rychlé zjištění, jak si strategie (zhruba) stojí na reálných trzích. Spočívá ve spuštění strategie na historických datech a následném vyhodnocení dosažených výsledků. Backtesting je možné provádět pomocí specializovaných tradingových softwarů jako např. MetaTrader, NinjaTrader, TradeStation a dalších. Existuje však několik nevýhod backtestingu, kvůli kterým je potřeba brát výsledky vždy s rezervou a řídit se jimi jen orientačně. Nejzásadnějším problémem, je samotný fakt, že testování probíhá na historických datech, což samo o sobě nezaručuje funkčnost strategie do budoucna i v případě dosažení nadstandardních výsledných hodnot. Finanční trhy jsou charakteristické tím, že jsou značně nepředvídatelné 38 a proto nejsou historické pohyby kurzů spolehlivým indikátorem vývoje budoucího (i když z tohoto teorému převážně vychází celá technická analýza 39 ). Dalším problémem je kvalita volně dostupných historických dat. Čím více jdeme do minulosti, tím více se kvalita zhoršuje. V historických kurzech se často vyskytují gapy, nestandardně vypadající svíčky apod. V některých případech si data-provideři dokonce ceny sami doplňují bez ohledu na tržní vývoj v daném časovém období. Z toho důvodu je potřeba dát si práci s výběrem a kontrolou vstupních dat pro backtesting Software Pro účely této práce je k veškerým úkonům včetně backtestigu využíván celosvětově nejrozšířenější obchodní software MetaTrader 4. Po technické stránce není zdaleka tím nejlepším, avšak co se jednoduchosti a rychlosti obsluhy týče, dá se říci, že je velmi efektivní a pro vytyčený záměr plně dostačuje. Další výhodou je nepochybně skutečnost, že je poskytován zdarma a disponuje značnou databází historických dat (od spol. Metaquotes 40 ). Díky svojí rozšířenosti napříč obchodnickým a investorským spektrem poskytuje dobře pochopitelné a všeobecně akceptované výstupy ve formě výsledkové tabulky, graficky znázorněné equity křivky a seznamu provedených transakcí. Tímto dělá z výsledků jakékoliv 38 NESNÍDAL Tomáš, PODHAJSKÝ Petr. Kompletní pru vodce úspe šného financňíka. Praha: Centrum financňího vzdeľávání, ISBN REJNUŠ, Oldrǐch. Financňí trhy: 2.3. Technická analýza. 2., rozš. vyd. Ostrava: Key Publishing, 2010, 659 s. Ekonomie (Key Publishing). ISBN METAQUOTES: [online]. [cit ]. Dostupné z: 53

54 obchodní strategie transparentní, srovnatelný a publikovatelný celek. Co se nevýhod týče, jak již bylo zmíněno o několik řádků výše, technické řešení aplikace není zcela ideální. Důvodem je postupné zastarávání některých funkcionalit, občasná chybovost, nedostatečné zabezpečení pro ochranu investorů v případě nečestných praktik ze stan brokerů a pro pokročilejší obchodníky nedostatek tradingových nástrojů. S ohledem na tyto nedostatky je však Metatrader 4 stále předním obchodním softwarem Data Všechny backtesty jsou v rámci této práce prováděny na historických datech od společnosti Metaquotes, dostupné z MetaTraderu 4. Jejich kvalita není perfektní, nicméně pro dosažení požadovaných výstupů je dostačující z těchto důvodů: 1) Největší procento případných chyb se objevuje na nízkých časovým rámcích, zejména pak na tickových a minutových datech. S rostoucím timeframem se kvalita dat zvyšuje, což dobrým předpokladem pro strategie koncipované na delší timeframy. Strategie EMAcross je testována na TF 30 min,, tudíž by případné chyby na nízkých časových rámcích neměly strategii nijak ovlivnit. 2) Největší vliv na strategii Grid1 má nastavení parametrů SL a TP, které je předmětem optimalizace strategie. Jelikož tyto dvě hodnoty se při testech pohybují řádově v desítkách pipů, neměly by ani v tomto případě mít případné nedostatky v datech zásadní dopad na výsledky. Dalším důvodem pro velmi nízkou náchylnost strategie Grid1 na kvalitu dat je skutečnost, že strategie je nepřetržitě v pozici, bez ohledu na tržní vývoj. 3) Data jsou zdarma a jednoduše dostupná přímo z platformy MT Timeframe Timeframe není pro strategie mřížkového typu (Grid1) tak důležitý jako pro standardní strategie založené na technických indikátorech (EMAcross), jelikož tyto strategie nevychází z běžných technických indikátorů počítaných z ceny a času, ale zaměřují se na pohyby trhu 54

55 v hodnotách počtu pipů, tudíž není důležité co se na trhu odehrálo, než se pohnul o určitou hodnotu, ale že se pohnul o danou hodnotu. Tedy, pohyb 30 pipů nahoru za hodinu bude mít stále 30 pipů, ať už si jej zobrazíme na minutovém nebo hodinovém grafu. Nicméně je lepší zvolit co nejmenší dostupný timeframe, z důvodu citlivější reakce strategie na jednotlivé pohyby. Následující testy strategie Grid1 byly provedeny na TF 1 min, což je pro dosažení realistických výsledků více než dostačující. Strategie EMAcross byla testována na TF 30 min. Důvodem pro výběr TF 30 min je zejména skutečnost, že strategie na tomto časovém rámci generuje dostatečný průměrný počet obchodů za den pro vyvození závěrů o její funkčnosti. Při zvolení vyššího TF bychom pro dosažení adekvátního vzorku museli rozšířit testovací období na dva roky a více, což by následně rozšířilo i časové období pro případný real-time testing a potažmo vedlo k časové neefektivitě. Zvolení nižšího timeframu by na druhou stranu zvýšilo náchylnost strategie na kvalitu dat a její výsledky by mohly být částečně zkreslené. Časová perioda pro in-sample backtesty a optimalizaci strategie je Grid Toto období jsem vybral proto, že zatím není moc daleko v historii, je tedy pravděpodobné, že se aktuální trhy budou chovat velmi podobně a dále proto, že oněch cca 7 měsíců lze již považovat za poměrně směrodatný vzorek pro vyvození závěru ohledně funkčnosti této strategie. Jelikož je strategie Grid1 otestována na 12ti trzích a s 5ti různými nastaveními parametrů SL a TP, je tato časová perioda pro získání informace o funkčnosti strategie dostačující. Pro následný out-of-sample backtesting bylo použito období Období pro in-sample backtesting a optimalizaci strategie EMAcross je o něco delší, konkrétně Delší časovou periodu jsem pro tuto strategii zvolil z důvodu menšího počtu uskutečněných transakcí za stejné období, tudíž pro dosažení reprezentativního vzorku bylo nutné jej o něco prodloužit. Pro následný out-of-sample backtesting bylo použito období

56 7.4. Charakteristika hlavních měnových párů zvolených pro backtesting 41 Všechny trhy použité pro backtesting obou strategií EMAcross a Grid1 jsou měnové páry. Charakteristice měnového trhu jako celku je věnována kapitola 2. v teoretické části práce. Důvody výběru forexu jako podkladového aktiva pro použití daných AOS jsou patrné z kapitoly 2.3. Následující text se věnuje konktrétně třem hlavním měnovým párům EURUSD, USDJPY a GBPUSD, na kterých se dohromady zrealizuje více než polovina objemu všech transakcí na forexu. Tyto tři trhy jsem pro bactesting zvolil z důvodu vysoké likvidity, vysoké volatility a dobré kvality dostupných historických dat. Pro backtesting strategie Grid1 jsou vybrány ještě některé další měnové trhy, vyjmenované dále EURUSD EURUSD neboli Eurodolar je nejvíce obchodovaným a tedy nejlikvidnějším měnovým párem na forexu. Odráží kurzový poměr dvou nejdůležitějších světových měn, kterými jsou euro a dolar. Hartman uvádí 42, že 28% všech zrealizovaných obchodů na forexu proběhne právě na EURUSD. Velký vliv na tento měnový pár má jak situace v Evropě, tak v Americe. Největšími hybnými silami působícími na Eurodolar jsou zejména data pocházející ze zasedání americké a evropské centrální banky (FED, ECB), makroekonomické výsledky obou ekonomik, politická situace v Německu a USA, aj. Značný vliv mají v neposlední řadě také krize, aktuálně dluhové problémy Řecka a dalších států vyžadujících pomocné finanční injekce. EURUSD zažívá v posledním roce downtrend a jeho aktuální kurz k dnešnímu dni [ ] je 1,06. Vhledem k tomu, že obě strategie pracují s různým nastavením parametrů SL a TP, bude mít na jejich výsledky poměrně značný dopad volatilita trhu. Čím volatilnější daný trh bude, tím více bude zrealizováno obchodních transakcí a výsledky tak budou mít větší vypovídací hodnotu. Maximální optimalizovaná hodnota obou parametrů je 100 pipů, proto budeme volit trhy, kde denní volatilita osciluje kolem této hodnoty. Průměrná denní volatilita na eurodolaru za poslední rok je 124 pipů, což umožňuje automatickým strategiím realizovat velké množství operací. 41 HARTMAN, Ondřej. Začínáme na burze: jak uspět při obchodování na finančních trzích - akcie, komodity a forex: Ukázky hlavních měnových párů. 1. vyd. Brno: BizBooks, 2013, 246 s. ISBN HARTMAN, Ondřej. Začínáme na burze: jak uspět při obchodování na finančních trzích - akcie, komodity a forex: Ukázky hlavních měnových párů. 1. vyd. Brno: BizBooks, 2013, 246 s. ISBN

57 Graf 3: Průměrná volatilita na trhu EURUSD dle dní v týdnu (za posledních 52 týdnů) Zdroj: VANTAGE POINT TRADING: Forex Daily Statistics [online]. [cit ]. Dostupné z: USDJPY USDJPY neboli Dollar Yen má na svědomí 13% z objemu obchodů na forexu. Je ovlivňován zejména makroekonomickými daty ze Spojených států a Japonska, ale značný vliv má také cena akcií a sentiment obchodnické veřejnosti. Největší vliv na tento měnový pár má japonská centrální banka Nippon Ginko, která do jeho vývoje může zasahovat intervencemi a monetárními opatřeními. Průměrná denní volatilita je o něco menší na EURUSD a to 98 pipů. V posledním roce se trh pohyboval převážně do strany, bez výraznějšího trendu avšak z několikaletého odstupu vykazuje poměrně silný uptrend. Cena se aktuálně nachází na hodnotě 122,9 [ ]. 57

58 Graf 3: Průměrná volatilita na trhu USDJPY dle dní v týdnu (za posledních 52 týdnů) Zdroj: VANTAGE POINT TRADING: Forex Daily Statistics [online]. [cit ]. Dostupné z: GBPUSD GBPUSD neboli Cable je se svým objemem 12% třetím nejvýznamnějším trhem na forexu. Tento měnový pár je výrazně ovlivňován situací v Americe a ve Velké Británii, přičemž největší vliv mají opět centrální banky - Bank of England a FED. Jeho charakteristickou vlastností je vysoká volatilita a rychlá reakce ceny, což z něj činí oblíbené podkladové aktivum jak pro automaty, tak pro živé tradery. Průměrná denní volatilita na GBPUSD dosahuje 123 pipů, přičemž trh vykazuje v posledním roce značnou rozkolísanost ve znamení mírného dlouhodobého downtrendu. Trh se aktuálně se nachází na hodnotě 1,506 [ ]. 58

59 Graf 5: Průměrná volatilita na trhu GBPUSD dle dní v týdnu (za posledních 52 týdnů) Zdroj: VANTAGE POINT TRADING: Forex Daily Statistics [online]. [cit ]. Dostupné z: Optimalizace Optimalizací se pro účely této práce rozumí výběr takové kombinace vstupních proměnných parametrů, při které bude dosaženo nejlepších výsledků strategie. Ty mohou být posuzovány např. dle absolutní hodnoty dosaženého zisku, stability výnosové křivky, minimálního drawdownu (DD) apod. Výběr nejvhodnějšího kritéria pro posouzení optimalizace záleží na individuálních preferencích investora. Výsledky strategie EMAcross jsou optimalizovány na maximální absolutní výnos, výsledky Grid1 pak na hodnotu dosaženého zisku ku maximálnímu DD. Druhé kritérium je vhodné zejména v případě, že je možné strategii spustit souběžně na více trzích - každou se svým vlastním podílem z celkového investičního kapitálu, kterým je omezena ztráta na jednu danou strategii. Bohužel MetaTrader nenabízí možnost backtestovat na více trzích zároveň, proto je třeba otestovat nejdříve každý trh zvlášť a poté z porovnání dosažených výsledku vyvodit závěr Optimalizace strategie EMAcross Optimalizovanými parametry jsou stop-loss (SL) a take-profit (TP). Optimalizace obou hodnot probíhala v rozsahu od 10 do 100 pipů, s posunem o 10 pipů. Na každém testovaném trhu tedy proběhl test celkem 100 různých nastavení SL a TP. Trhy, na kterých byl zrealizován backtest jsou EURUSD, GBPUSD a USDJPY. Na každém instrumentu byl 59

60 zrealizován backtest postupně se všemi optimalizovanými parametry TP a SL. Celkovým výstupem optimalizace bylo tedy 300 výsledných hodnot, z nichž nejlepší výsledky (samostatně pro každý testovaný trh) jsou předmětem kapitoly Výsledky strategie EMAcross. Výsledné hodnoty optimalizace jsou označeny odstíny zelené barvy, přičemž tmavší barva signalizuje lepší výsledek než barva světlejší. Hodnoty jsou řazeny dle optimalizačního kritéria absolutní výnos. Hodnota 100 na osách grafů odpovídá 10 pipům. Graf 6: Optimalizační graf GBPUSD - nejlepší nastavení TP 30 / SL 70 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Graf 7: Optimalizační graf USDJPY - nejlepší nastavení TP 50 / SL 80 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Graf 8: Optimalizační graf EURUSD - nejlepší nastavení TP 10 / SL 90 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Možností, jak dále vylepšit výsledky optimalizace, je zapojit více trhů a přidat další kombinace vstupních hodnot SL a TP, případně kombinace dalších externích proměnných (periody EMA a RSI). Pro rozsáhlou optimalizaci s velkým množstvím vstupních parametrů 60

61 je ovšem nutné použít pokročilejší software, vysoce výkonnou výpočetní techniku a zapojit náročnější optimalizační nástroje jako např. genetické algoritmy Optimalizace strategie Grid1 Optimalizovanými parametry jsou stop-loss (SL) a take-profit (TP) - následovně (v pipech): 1) TP 10 / SL 10 2) TP 30 / SL 30 3) TP 50 / SL 10 4) TP 50 / SL 25 5) TP 100 / SL 20 Trhy, na kterých byl zrealizován backtest jsou EURUSD, GBPUSD, USDCHF, USDJPY, AUDUSD, USDCAD, EURCHF, EURGBP a EURJPY. Optimalizace byla na rozdíl od strategie EMAcross uskutečněna ručně, kdy pro každé nastavení vstupních parametrů na každém trhu proběhl samostatný backtest. Celkovým výstupem backtestu bylo tedy 45 výsledných reportů, z nichž 3 nejlepší (dle optimalizačního kritéria zisk ku max. DD) jsou předmětem kapitoly Výsledky strategie Grid1. Důvodem pro odlišný přístup k optimalizaci strategie Grid1 je snaha o získání všech hodnot optimalizačního kritéria a následná možnost výběru nejlepších z nich. Při automatické optimalizaci, která byla uskutečněna u strategie EMAcross nebylo možné výsledky seřadit dle kritéria zisk / max DD, jelikož MetaTrader 4 tuto možnost nenabízí. Z důvodu ručního přístupu je backtest strategie Grid1 rozsáhlejší. Samotná optimalizace se jeví jako klíčová součást stavby profitabilní strategie. Pro rozsáhlejší optimalizaci strategie Grid1 by bylo možné implementovat další nastavení SL a TP a přidat více trhů, případně omezit funkci strategie na určité obchodní hodiny. Bylo by však již nutné využít automatickou optimalizaci, která by zredukovala množství výstupních hodnot z jednotlivých testů, neboť bychom neměli k dispozici podrobné reporty jako u optimalizace ruční. 61

62 8. Výsledky backtestingu Výsledky backtestigu obou strategií jsou MataTraderem vyprodukovány ve formě souhrnného reportu a equity křivky. Report obsahuje nejdůležitější statistické hodnoty, z jejichž analýzy si můžeme udělat poměrně přesnou představu o vlastnostech a funkčnosti dané AOS. Patří mezi ně zejména absolutní a procentuální výnos, absolutní a maximální drawdown, počet zrealizovaných transakcí, počet návazných výher / proher a další. Equity křivka poskytuje vizuální podobu vývoje balance a equity na obchodním účtu. Slouží zejména pro rychlé získání informace o stabilitě výnosů v čase Výsledky strategie EMAcross Následují reporty a výnosové křivky shrnují 3 nejlepší výsledné hodnoty vygenerované strategií EMAcross (jednotlivě na každém z testovaných trhů), s nastavením vycházejícím z optimalizace, za danou časovou periodu Nejdůležitější dosažené hodnoty jsou vždy sepsány nad daným backtestem a zvýrazněny tučným písmem. Nejvíce nás bude zajímat poslední hodnota - zisk ku maximálnímu poklesu, která říká kolikrát vyšší zhodnocení bylo dosaženo, než byl max. drawdown. Výnosová křivka označuje reálný vývoj zůstatku na obchodním účtu. 62

63 Obr. 8: GBPUSD, TP 30 / SL 70 Celkový zisk = 15,5% Maximální drawdown = 3,4% Absolutní drawdown (pod hranici poč. vkladu) = 1,9% Zisk/Max DD = 15,5/3,4 = 4,6 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. 63

64 Obr. 9: USDJPY, TP 50 / SL 80 Celkový zisk = 11,6% Maximální drawdown = 3,8% Absolutní drawdown (pod hranici poč. vkladu) = 3,3% Zisk/Max DD = 11,6/3,8 = 3 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. 64

65 Obr. 10: EURUSD, TP 10 / SL 90 Celkový zisk = 10% Maximální drawdown = 2,4% Absolutní drawdown (pod hranici poč. vkladu) = 0,56% Zisk/Max DD = 10/2,4 = 4,2 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. 65

66 Zhodnocení výsledků strategie EMAcross Výsledné hodnoty backtestů strategie EMAcross jsou dobré - všechny 3 backtesty skončily ve zisku. Nejlepší výsledek vykazuje dle kritéria zisk ku maximálnímu drawdownu hodnotu 4,6 a byl dosažen na trhu GBPUSD s nastavením TP 30 / SL 70. Všechny 3 backtesty vykazují vysokou úspěšnost při použití záporného RRR. Dosažené hodnoty a další statistiky uskutečněných backtestů shrnuje následující tabulka: Tab. 5: Výsledky in-sample backtestu strategie EMAcross Zdroj: Vlastní zpracování autora v excelu. Vhledem ke skutečnosti, že proběhla poměrně široká automatická optimalizace parametrů SL a TP, existuje riziko, že došlo k přeoptimalizaci a strategie nebude s daným nastavením vykazovat dobré výsledky v případě jejího nasazení na jinou časovou periodu. Pro zjištění, zdali k tomu došlo nebo ne, je potřeba strategii s daným nastavením otestovat na odlišném období, než na kterém byla optimalizována neboli na out-of-sample vzorku dat Výsledky strategie EMAcross na out-of-sample datech. Pro otestování strategie na out-of-sample vzorku dat byla zvolena časová perioda Strategii bylo ponecháno stejné nastavení parametrů SL a TP na daných trzích, jako při předchozím in-sample testování - a to TP 30 / SL 70 pro GBPUSD, TP 50 / SL 80 pro USDJPY a TP 10 / SL 90 pro EURUSD. Dosažené výsledky shrnuje následující tabulka a equity křivky: 66

67 Tab. 6: Výsledky out-of-sample backtestu strategie EMAcross Zdroj: Vlastní zpracování autora v excelu. Graf 9: Equity křivka out-of-sample backtestu GBPUSD TP 30 / SL 70 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Graf 10: Equity křivka out-of-sample backtestu USDJPY TP 50 / SL 80 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Graf 11: Equity křivka out-of-sample backtestu EURUSD TP 10 / SL 90 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. 67

68 Zhodnocení out-of-sample výsledků strategie EMAcross Je vidět, že out-of-sample výsledky jsou o poznání horší. Dobrý výsledek vykázal pouze backtest na měnovém páru EURUSD, kde zisk ku max. DD dosáhl hodnoty 2,4. Tento výsledek je však stále téměř 2x horší než při in-sample tesu. Na ostatních trzích dopadla strategie poměrně špatně. Hodnota zisku ku max. DD skončila na trhu USDJPY ve výši pouhých 0,05 a na trhu GBPUSD šla dokonce do záporu. Tyto výsledky jsou nedostatečné pro použití strategie v reálných podmínkách, protože indikují, že strategie bude s velkou pravděpodobností prodělečná. Z toho důvodu nebude strategie EMAcross podrobena realtime testingu. Cílem backtestingu, je co nejefektivnější protřízení vhodných a nevhodných kandidátů pro další testování. Jelikož samotný real-time testing je výrazně časově náročnější než backtesting, můžeme považovat i špatné výsledné hodnoty za úspěch, z důvodu poměrně rychlého získání informace o nefunkčnosti strategie s daným nastavením a značné časové a potažmo i finanční úspory pramenící z jejího včasného opuštění. Pro další postup můžeme zvolit jednu z následujících variant: 1) Úprava strategie vyřazení/nahrazení některého ze stávajících technických indikátorů využitých pro tvorbu pravidel ke vstupu do pozic. 2) Hlubší optimalizace rozšíření spektra vstupních parametrů pro optimalizaci (více hodnot TP/SL, periody indikátorů, více trhů atd.) 3) Opuštění strategie zaměření se na jinou Výsledky strategie Grid1 Následují reporty a výnosové křivky shrnují 3 nejlepší výsledné hodnoty vygenerované strategií Grid1 s daným nastavením za danou časovou periodu Výsledky všech ostatních provedených testů jsou obsaženy v příloze 3 této práce. Výnosový graf je tvořen dvěma křivkami. Tučná znázorňuje balance, neboli zůstatek na obchodním účtu vypočten jako suma všech uzavřených pozic. Mnohem vyšší vypovídací hodnotu má ovšem tenčí křivka, která znázorňuje equity, neboli zůstatek na účtu, jenž je vypočten jako suma všech uzavřených a otevřených pozic. Jinými slovy vyjadřuje, kolik je možno z účtu vybrat, v případě okamžitého uzavření všech otevřených pozic. 68

69 Obr. 11: USDJPY, TP 50 / SL 10 Celkový zisk = 355% Maximální drawdown = 75% Absolutní drawdown (pod hranici poč. vkladu) = 34% Zisk/Max DD = 355/75 = 4,73 Zdroj: Vlastní zpracování autora v MetaTraderu 4. 69

70 Obr. 12: EURUSD, TP 50 / SL 10 Celkový zisk = 359% Maximální drawdown = 52% Absolutní drawdown (pod hranici poč. vkladu) = 12% Zisk/Max DD = 359/52 = 6,9 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. 70

71 Obr. 13: GBPUSD, TP 50 / SL 10 Celkový zisk = 607% Maximální drawdown = 76% Absolutní drawdown (pod hranici poč. vkladu) = 53% Zisk/Max DD = 607/76 = 7,99! Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. 71

72 Zhodnocení výsledků strategie Grid1 Jako kritérium použitelnosti strategie v reálných podmínkách budeme považovat hodnotu zisku ku maximálnímu drawdownu ve výši minimálně 2. Tedy požadujeme, aby byl zisk minimálně dvojnásobný jako maximální propad za danou periodu. Strategie vykazující (na daném trhu s daným nastavení parametrů stop-loss a take-profit) tuto hodnotu, si zaslouží zvýšenou pozornost a je vhodná pro další testování na jiných časových periodách a v reálných tržních podmínkách s virtuálními penězi. Dosažené hodnoty všech uskutečněných backtestů, dle kritéria optimalizace přehledně shrnuje následující tabulka: Tab. 7: Souhrn výsledků strategie Grid1 Zdroj: Vlastní zpracování autora v excelu. Nejlepších výsledků bylo ve většině případů dosaženo s nastavením TP 50 / SL 10. Zejména pak na trhu GBPUSD, kde hodnota zisku ku max. DD dosáhla hodnoty 7,99 tedy jinými slovy, profit byl bez mála 8x vyšší než maximální pokles za danou periodu. Dobrých hodnot bylo dále dosaženo na trhu EURUSD s 6,9 a USDJPY s 4,73. Za zmínku stojí také trh GBPUSD s nastavením TP 100 / SL 20 a výslednou hodnotou 3. Strategie Grid1 dosáhla celkově lepších výsledků než strategie EMAcross. Důvodem je zejména samotný princip funkce strategie, který se jeví jako profitabilnější řešení. Jak vyplývá z předchozích poznatků, značný vliv na výsledky má také nastavení vstupních parametrů, které může z prodělečné AOS udělat ziskovou a naopak. 72

73 Výsledky strategie Grid1 na out-of-sample datech Pro otestování strategie na out-of-sample vzorku dat byla zvolena časová perioda Pro testování byly vybrány 3 konkrétní nastavení strategie, které dosáhla nejlepších výsledků na in-sample datech - a to TP 50 / SL 10 pro GBPUSD, TP 50 / SL 10 pro USDJPY a TP 50 / SL 10 pro EURUSD. Dosažené výsledky shrnuje následující tabulka a equity křivky: Tab. 8: Výsledky out-of-sample backtestu strategie Grid1 Zdroj: Vlastní zpracování autora v excelu Graf 12: Equity křivka out-of-sample backtestu Grid1 - GBPUSD TP 50 / SL 10 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Graf 13: Equity křivka out-of-sample backtestu Grid1 - USDJPY TP 50 / SL 10 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. 73

74 Graf 14: Equity křivka out-of-sample backtestu Grid1 - EURUSD TP 50 / SL 10 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader Zhodnocení out-of-sample výsledků strategie Grid1 Jak je patrné z tabulky, backtest na out-of-sample datech dopadl poměrně dobře. Nejlépe strategie dopadla na trhu USDJPY s hodnotou zisku ku max. DD ve výši 3,68. Druhým nejlepším výsledkem pak byla hodnota 3,14 na trhu GBPUSD a na posledním místě skončila strategie na trhu EURUSD s hodnotou 1,7. Výsledky sice nejsou tak dobré jako na in-sample vzorku, což je pochopitelné, avšak výstupní hodnoty jsou stále dostatečně vysoké na to, aby měla tato strategie šanci obstát při testu v reálném čase Porovnání obou strategií a zhodnocení možnosti jejich propojení Z dosažených výsledků obou strategií na in-sample i out-of-sample vzorku dat vykazuje jasně lepší hodnoty strategie Grid1. Důvodů pro to může být několik. V první řadě má rozhodující vliv na úspěšnost strategie samotná myšlenka, na které je strategie vystavěná. U strategie EMAcross je hlavním předpokladem úspěchu správné určení směru krátkodobého trendu, na základě vývoje několika technických indikátorů, přičemž jsem vycházel především z teoretických poznatků o technické analýze. Optimalizací jednotlivých vstupních parametrů na několika různých podkladových aktivech bylo dosaženo dobrých výsledků na in-sample datech. Na základě získaných optimálních hodnot vstupních parametrů byl proveden backtest na out-of-sample datech, na kterých se dobré výsledky neudržely a výnosy několikanásobně poklesly. Strategie Grid1 je postavena na odlišném přístupu, který nebere technické indikátory v potaz. Důraz byl kladen zejména na zapojení martingale metody moneymanagementu a dále na předpoklad, že standardní tržní pohyby jsou doprovázeny množstvím korekcí. Tento přístup se ukázal jako profitabilní, o čemž svědčí jak in-sample, tak out-ofsample backtest. Z principu funkce strategie Grid1 vyplývá, že v každý okamžik jsou otevřeny minimálně 2, průměrně však několik desítek pozic. Oproti tomu strategie EMAcross 74

75 vstupuje do trhu pouze za určitých podmínek a nikdy nedojde k situaci, že by bylo otevřeno více než jedna pozice. Grid1 tedy logicky generuje výrazně větší množství obchodních transakcí než EMAcross za stejnou časovou periodu. Z důvodu poměrně velkých rozdílů mezi oběma strategiemi se nabízí množství možností, jak strategie vzájemně kombinovat: 1) Na základě vstupního signálu od EMAcross spustit Grid1 a zakázat otevírání pozic v protichůdném směru, než ukazuje signál EMAcross (v případě signálu pro nákup dovoleny pouze long pozice). Následně strategii vypnout, jakmile by bylo dosaženo take-profitu a čekat na další signál EMAcross. 2) Upravit money-management strategie Grid1 na základě signálů od EMAcross. Např. pokud by v rámci chodu Grid1 přišel nákupní signál od EMAcross, objemy pro všechny nové long pozice strategie Grid1 by se začaly zvyšovat rychleji, než je uvedeno v aktuálním algoritmu navyšování pozic. 3) Implementovat metodu navyšovaní pozic ze strategie Grid1 do EMAcross. V případě ziskového obchodu (zasažení TP) by se objem následující pozice rovnal původní hodnotě, v případě ztrátového obchodu (zasažení SL) by došlo k navýšení objemu následující pozice - nehledě na směr pohybu (dle signálu EMAcross). Mohli bychom vymyslet množství dalších možností, jak strategie provázat, ovšem s nejistým výsledkem. Pro zjištění funkčnosti navrhovaných modifikací by bylo nutné vytvořit nové zdrojové kódy, modifikované strategie zbacktestovat a zoptimalizovat na in-sample datech, potažmo dále otestovat na out-of-sample datech a v reálných podmínkách. Nutno dodat, že při propojení strategií bychom dostali větší množství vstupních parametrů pro optimalizaci, což by vedlo k nutnosti využití pokročilejších nástrojů a výkonnějšího počítače. Z těchto důvodů se dále nebudu možnostmi propojení strategií věnovat. Konečným testovacím procesem pro vytvoření komplexního závěru o funkčnosti strategie je real-time testing, který bude zrealizován na strategii Grid1, z důvodu dobrých výsledků při testu na historických datech. 75

76 9. Real-time testing Real-time testing neboli test v reálném čase, často nazýván také paper-trading, je metoda využívaná k finálnímu otestování funkčnosti strategie před jejím zapnutím na reálných finančních prostředcích. Pointou je spuštění strategie na demo účtu, který nám poskytne broker. Demo účet by se měl chovat stejně jako reálný účet, s tím rozdílem, že strategii umožňuje disponovat pouze s virtuálními finančními prostředky. Kdyby tedy v průběhu paper-tradingu došlo k jejímu selhání, nebude to ještě mít pro tradera fatální finanční následky. Nevýhodu paper-tradingu je jeho vysoká časová náročnost. Dále je nutné mít k dispozici server, který je non-stop zapnutý a umožňuje strategii pracovat. Podhajský uvádí, že minimální doba, po kterou musí strategie bezproblémově fungovat a vykazovat profity na papíře je alespoň 3 měsíce. 43 Jak vyplývá z výsledků provedených backtestů, budeme se v této části zaměřovat na strategii Grid1 s parametry TP 50 / SL 10 na trzích GBPUSD, USDJPY a EURUSD. 9.1.Výsledky real-time testingu strategie Grid1 Následující výsledky pocházejí z real-time testingu strategie Grid1 v období Strategie běžela po tyto 4 měsíce nepřetržitě na VPS serveru. K testování byly vytvořeny demo účty u české brokerské společnosti Axiory, každý s počátečním zůstatkem $. Tab. 9: GBPUSD, TP 50 / SL 10 Celkový zisk = 70% (+6.985$) Maximální drawdown = 23% Absolutní drawdown (pod hranici poč. vkladu) = 12% Zisk/Max DD = 70/23 = 3,04 43 PODHAJSKÝ Petr, NESNÍDAL Tomáš. Jak se stát intradenním financňíkem. Praha: Centrum financňího vzdeľávání, 2008, 283 s. Financňík. ISBN

77 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Jak lze vyčíst z reportu, strategie za testovací období zrealizovala celkem 875 transakcí. Za předpokladu, že každý měsíc má průměrně 20 obchodních dní, proběhlo každý obchodní den průměrně 11 transakcí. To je poměrně vysoké číslo, které se může negativně promítnout zejména na poplatcích, zaplacených na spreadu. Z toho důvodu je důležitá část optimalizace strategie také přehodnocení výběru brokera. Za předpokladu, že průměrný spread na našem modelovém demo účtu u společnosti Axiory byl průměrně 2,5 pipu, zaplatili jsme na poplatcích 0,25$ za každou zobchodovanou pozici. Při celkovém počtu 875 transakcí to dělá 875 x 0,25 = 218,75$. V případě, že by se nám podařilo vyjednat na reálný účet výhodnější podmínky nebo najít levnějšího brokera, například o 1 pip na spreadu, ušetřili bychom 87,5$. Tab. 10: EURUSD, TP 50 / SL 10 Celkový zisk = 44% (+4.379$) Maximální drawdown = 63% Absolutní drawdown (pod hranici poč. vkladu) = 50% Zisk/Max DD = 44/63 = 0,7 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Strategie na EURUSD nevykázala při real-time testingu příliš dobré výsledky. Klíčová hodnota zisku ku max. DD nedosáhla požadované minimální hranice 2. Důvodem vysokého 77

78 drawdownu byl silný trend na trhu v srpnu tohoto roku bez většího množství výraznějších korekcí. Jak bylo uvedeno již u popisu strategie, tento tržní vývoj je z hlediska profitability strategie nepříznivý. Na trhu EURUSD bylo zrealizováno celkem 987 transakcí, což je průměrně 12,3 obchodů za obchodní den. Za předpokladu, že průměrný spread na tomto instrumentu byl 2 pipy, zaplatili jsme na poplatcích 197,4$. Tab. 11: USDJPY, TP 50 / SL 10 Celkový zisk = 35% (+3.471$) Maximální drawdown = 67% Absolutní drawdown (pod hranici poč. vkladu) = 66% Zisk/Max DD = 35/67 = 0,52 Tab. 8: Výsledek real-time testu Grid 1 USDJPY, TP 50 / SL 10. Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Nejhůře dopadla strategie při real-time testu na trhu USDJPY. Největší propad (téměř 70%) nastal na nestandardním tržním pohybu, který na první pohled připomíná Flash Crash (viz kapitola 1.4 Využití AOS v praxi). Z důvodu obrovského a rychlého pohybu bez korekcí došlo k otevření velkého množství pozic, ke kterým se trh v testovacím období již nedostal. Tržní vývoj zobrazuje následující graf z MetaTraderu 4. 78

79 Obr. 13: Vývoj trhu USDJPY v průběhu real-time testu strategie Grid1 Zdroj: Vlastní zpracování autora v aplikaci MetaTrader 4. Na trhu USDJPY bylo zrealizováno celkem 846 transakcí, což je průměrně 10,8 obchodů za obchodní den. Za předpokladu, že průměrný spread na tomto instrumentu byl 2,5 pipu, zaplatili jsme na poplatcích 211,5$. 9.2 Zhodnocení výsledků real-time testingu Strategie skončila na trhu GBPUSD ve zisku téměř 70% (+6.958$) s maximálním DD 23%. S hodnotou zisku ku max. DD 3,04 tak naplnila očekávání z backtestu. Na trhu EURUSD byly výsledky o poznání horší strategie skončila ve zisku 44% (+4.379$) s maximálním DD 63%, čímž nesplnila očekávání. Nejhorší výsledek byl zaznamenán na trhu USDJPY, kde došlo ke zhodnocení ve výši 35% (+3.471$), avšak s výrazným maximálním poklesem na úrovni 67%. Důvodem byl razantní pohyb ceny na trhu USDJPY ve velmi krátkém čase Zhodnocení funkčnosti strategie Grid1 v reálných podmínkách s reálným kapitálem Jak vyplývá z backtestingu a real-time testingu, strategie Grid1 na trhu GBPUSD s nastavením TP 50 a SL 10 je vhodným kandidátem pro spuštění na reálný obchodní účet. Mezi demo účtem a reálným účtem však existuje několik rozdílů, které je třeba brát v potaz a upravit podle toho svá očekávání. Jedním z nich je horší exekuce příkazů na reálném účtu než na demu. Jelikož reálné příkazy jsou posílány do trhu (u STP brokera) a potřebují být spárovány s protistranou, vzniká u nich často slippage. V případě špatné exekuce se může 79

80 rozdíl mezi cenou v momentě zadání příkazu a cenou zrealizovanou vyšplhat až na několik pipů, což může být pro citlivější intradenní strategie zásadní problém. Výhodou strategie Grid1 je, že otevírá pozice do obou směrů, tím pádem na ni nemá zhoršená exekuce příliš velký vliv. Dalším podstatným rozdílem při spuštění strategie na reálném účtu je vysoká psychická náročnost ve ztrátovém období, což může vést k odklonu od obchodního plánu a zásahům do strategie, případně k jejímu přerušení. Pro eliminaci emočních rozhodnutí je vhodné investovat do strategie v takové výši, aby si trader mohl dovolit o obchodní kapitál přijít, aniž by to mělo zásadní dopad na jeho životní úroveň. Správná funkce AOS v reálných podmínkách dále vyžaduje nepřetržitý provoz serveru, na kterém je spuštěna a stabilní internetové připojení. Od strategie Grid1 s výše definovaným nastavením parametrů a na daném trhu můžeme na základě provedených testů očekávat roční zhodnocení přesahující 100% s maximálním drawdownem v rozmezí 20-50%. 80

81 Závěr Automatické obchodní strategie skrývají obrovský potenciál jak pro institucionální investory, tak pro běžné, menší obchodníky. Jejich využití v posledních letech výrazně vzrostlo a s tím také přibylo volně dostupných informačních zdrojů, které se touto problematikou zabývají. Díky tomu může dnes AOS stavět téměř každý. Stěžejním cílem práce bylo rozebrat problematiku AOS a koncipovat jednu či více strategií s profitabilním potenciálem na aktuálních finančních trzích. Pro jeho naplnění byl postup rozdělen na několik dílčích cílů. V teoretické části byla obecně charakterizována tématika AOS a jednotlivě rozebrány jejich výhody a nevýhody. Z jejich komparace vyplývá, že AOS si bezpochyby zaslouží zvýšenou pozornost burzovních obchodníků, neboť představují téměř nelimitované možnosti rozvoje a obrovský ziskový potenciál. O tom svědčí mimo jiné i jejich aktuální vysoce rozšířené využití v praxi (HFT). Dalším z parciálních cílů práce bylo v návaznosti na obecný rozbor problematiky navrhnout několik strategií, které by byly vhodné pro vytvoření AOS. V rámci teoretické části byly sestaveny 2 rozdílné strategie a charakterizovány principy jejich fungování. První z nich s názvem EMAcross demonstruje klasický přístup založený na pravidlech definovaných kombinací technických indikátorů. Pro vstupy do pozic byly použity dva trendové indikátory (EMA 10 a EMA 40) a jeden oscilační indikátor (RSI 14). Pro výstupy byly použity pevně nastavené hodnoty stop-lossu (SL) a take-profitu (TP). V praktické části práce byl vytvořen zdrojový kód a strategie byla testována na historických datech v období na trzích EURUSD, GBPUSD a USDJPY, přičemž optimalizovanými vstupními parametry byly periody exponenciálních průměrů a hodnoty SL a TP. Výsledky backtestů byly následně seřazeny dle optimalizačního kritéria: celkový procentuální zisk ku maximálnímu procentuálnímu drawdawnu. Nejlepším výsledkem strategie EMAcross byla hodnota 4,6; což vypovídá o funkčnosti strategie na historických datech. Strategie byla následně s otestována na out-of-sample vzorku dat, kde došlo k výraznému zhoršení výsledných hodnot. Z toho důvodu byla AOS zavřena a nebyl proveden test v reálném čase, neboť pravděpodobnost, že by výsledky byly lepší je nízká a časová náročnost real-time testu poměrně vysoká. 81

82 Druhá AOS s názvem Grid1 je strategie mřížkového typu, která je založena na diametrálně odlišné myšlence. Ke vstupům do trhu nevyužívá technické indikátory, ale pevně stanovené rozpětí trhu, přičemž současně otevírá velké množství BUY i SELL pozic a postupně je uzavírá v závislosti na tržní volatilitě. V praktické části práce byl vytvořen zdrojový kód a strategie byla testována na historických datech v období na trzích EURUSD, GBPUSD, USDCHF, USDJPY, AUDUSD, USDCAD, EURCHF, EURGBP a EURJPY, přičemž optimalizovanými vstupními parametry byly hodnoty SL a TP. Výsledky backtestů byly následně seřazeny dle totožného optimalizačního kritéria jako u strategie EMAcross. Nejlepším výstupem byla hodnota 7,99; což je velmi dobrý výsledek, který indikuje funkčnost strategie a vysoký ziskový potenciál. Druhým a třetím nejlepším výsledem byly hodnoty 6,9 a 4,73; což jsou opět velmi nadějná čísla. Následně byl proveden test na outof-sample vzorku dat, kde došlo ke zhoršení výsledků na 3,67; 3,14 a 1,7; avšak tyto hodnoty stále indikují profitabilní potenciál strategie. Na základě dobrých výsledků backtestingu byla strategie Grid1 podrobena real-time testingu, který proběhl v období Test v reálném čase byl proveden ve třech variantách, přičemž zvolené parametry vstupních proměnných a podkladová aktiva korespondují s parametry výše uvedených tří nejlepších backtestů. Nejlepším výstupem real-time testu byla hodnota 3,04; což lze považovat za úspěch, jelikož tato hodnota představuje reálnou schopnost strategie vydělávat peníze. Automatická obchodní strategie Grid1 by se tedy na základě provedených testů a optimalizace dala doporučit pro spuštění na reálný obchodní účet a to konkrétně na měnový pár GBPUSD s nastavením TP 50 / SL 10. Tímto bylo dosaženo hlavního cíle práce. Za relativní nedostatek práce se dá považovat omezená optimalizace vstupních parametrů obou strategií. Možným vylepšením by bylo zapojení pokročilejšího obchodnického softwaru a výkonnější výpočetní techniky, která by umožnila rozsáhlou optimalizaci v řádu milionů číselných kombinací, při využití genetických algoritmů a složitějších statistických metod. Na pořízení a provoz profesionálního testovacího aparátu by však bylo nutné počítat s výrazným zvýšením rozpočtu. Dalším možným vylepšením, které by přispělo k robustnosti strategií v čase by mohlo být rozšíření časového rámce pro backtesting na období v řádu několika let. Zde by již bylo třeba testování provádět na zakoupených datech s co nejvyšší dostupnou kvalitou. 82

83 Seznam použitých zdrojů Literární [1] PODHAJSKÝ, Petr a Tomáš NESNÍDAL. Kompletní průvodce úspěšného finančníka. Praha: Centrum finančního vzdělávání, 2009, 338 s. Finančník. ISBN [2] PODHAJSKÝ Petr, NESNÍDAL Tomáš. Jak se stát intradenním finančníkem. Praha: Centrum finančního vzdělávání, 2008, 283 s. Finančník. ISBN [3] REJNUŠ, Oldřich. Finanční trhy. 2., rozš. vyd. Ostrava: Key Publishing, 2010, 659 s. Ekonomie (Key Publishing). ISBN [4] WILLIAMS, Larry R. Dlouhodobá tajemství krátkodobých obchodů. Praha: Centrum finančního vzdělávání, 2007, 272 s. Finančník. ISBN [5] DVOŘÁK, Roman. Trading strategie: Moderní styl obchodování na burze: Vyd. 1. Brno: Computer Press, 2008, iv, 140 s. ISBN [6] HARTMAN, Ondřej. Začínáme na burze: jak uspět při obchodování na finančních trzích - akcie, komodity a forex.1. vyd. Brno: BizBooks, 2013, 246 s. ISBN [7] SCHWAGER, Jack D. Market wizards: interviews with top traders. Hoboken, N.J.: John Wiley, c2012, xxv, 480 p. ISBN [8] ELDER, Alexander. Tradingem k bohatství: psychologie, obchodní systémy, money management. Tetčice: Impossible. Knihovna úspěšného obchodníka. ISBN [9] MURPHY, John J. Study guide for technical analysis of the financial markets: a comprehensive guide to trading methods and applications. New York: NYIF, c1999, viii, 150 s. ISBN

84 [10] EDWARDS, Robert D, John MAGEE a Richard MCDERMOTT. Technical analysis of stock trends. New enhanced ed. / edited, updated and with an introduction by Richard McDermott. Boston, Mass.: International Technical Analysis Publishers, 1991, xx, 505 p. ISBN [11] DOUGLAS, Mark. Disciplinovaný trader. Tetčice: Impossible, c2009, 200 s. Knihovna úspěšného obchodníka. ISBN [12] DEMJAN, Valér, Ronald IŽIP a Martin MORAVČÍK. Pravda a mýty o Forexe: ako obchodovať na najväčšom finančnom trhu. Bratislava: Trim S&P, 2011, 231 s. ISBN [13] HARTMAN, Ondřej a Ludvík TUREK. První kroky na FOREXu: Jak obchodovat a uspět na měnových trzích. Vyd. 1. Brno: Computer Press, 2009, vii, 120 s. ISBN Internetové [1] EUROPEAN SECURITIES AND MARKETS AUTHORITY: [online]. [cit ]. Dostupné z: [2] KIRILENKO, A., A. KYLE, M. SAMADI a T. TUZUN: The Flash Crash: The Impact of High Frequency Trading on an Electronic Market [online]. 2010, [cit ]. Dostupné z: FlashCrash.pdf [3] FXSTREET: [online]. [cit ]. Dostupné z: [4] METAQUOTES: [online]. [cit ]. Dostupné z: [5] FINANCE MAGNATES: [online]. [cit ]. Dostupné z 84

85 [6] PENÍZE: [online]. [cit ]. Dostupné z: [7] ROOT: [online]. [cit ]. Dostupné z: [8] VANTAGE POINT TRADING: Forex Daily Statistics [online]. [cit ]. Dostupné z: [9] PETRVEPREK: [online]. [cit ]. Dostupné z: [10] FINMAG: [online]. [cit ]. Dostupné z: [11] INVESTIČNÍWEB: [online]. [cit ]. Dostupné z: [12] RSJ Algorithmic Trading: [online]. [cit ]. Dostupné z: [13] IFCMARKETS: [online]. [cit ]. Dostupné z: [14] EUROMONEY [online]. [cit ]. Dostupné z: [15] FOREX PRO ZAČÁTEČNÍKY: [online]. [cit ]. Dostupné z: [16] KURZY [online]. [cit ]. Dostupné z: [17] GLOBAL PROPERTY GUIDE [online]. [cit ]. Dostupné z: [18] FOREX FACTORY [online]. [cit ]. Dostupné z: [19] DAILY FOREX [online]. [cit ]. Dostupné z: 85

86 Seznam tabulek, obrázků a grafů Tabulky Tab. 1: Objemy zobchodované prostřednictvím AOS - dle států Tab. 2: Největší účastníci na forexu Tab. 3: Obchodní hodiny forexu Tab. 4: Rozpětí hlavních měnových párů v různých obch. seancích Tab. 5: Výsledky in-sample backtestu strategie EMAcross Tab. 6: Výsledky out-of-sample backtestu strategie EMAcross Tab. 7: Souhrn výsledků strategie Grid1 Tab. 8: Výsledky out-of-sample backtestu strategie Grid1 Tab. 9: GBPUSD, TP 50 / SL 10 Tab. 10: EURUSD, TP 50 / SL 10 Tab. 11: USDJPY, TP 50 / SL 10 Obrázky Obr. 1: Flash Crash Obr. 2: EMAcross příklad vstupu do pozice LONG Obr. 3: EMAcross příklad vstupu do pozice SHORT Obr. 4: Exponenciální klouzavý průměr (EMA 20) Obr. 5: Jednoduchý klouzavý průměr (SMA 20) Obr. 6: EMA 10 + EMA 40 Obr. 7: Relative Strenght Index (RSI) Obr. 8: GBPUSD, TP 30 / SL 70 Obr. 9: USDJPY, TP 50 / SL 80 Obr. 10: EURUSD, TP 10 / SL 90 Obr. 11: USDJPY, TP 50 / SL 10 Obr. 12: EURUSD, TP 50 / SL 10 Obr. 13: Vývoj trhu USDJPY v průběhu real-time testu strategie Grid1 86

87 Grafy Graf 1: Obchodní plán Graf 2: Optimalizační graf period EMA Graf 3: Průměrná volatilita na trhu EURUSD dle dní v týdnu (za posledních 52 týdnů) Graf 4: Průměrná volatilita na trhu USDJPY dle dní v týdnu (za posledních 52 týdnů) Graf 5: Průměrná volatilita na trhu GBPUSD dle dní v týdnu (za posledních 52 týdnů) Graf 6: Optimalizační graf GBPUSD - nejlepší nastavení TP 30 / SL 70 Graf 7: Optimalizační graf USDJPY - nejlepší nastavení TP 50 / SL 80 Graf 8: Optimalizační graf EURUSD - nejlepší nastavení TP 10 / SL 90 Graf 9: Equity křivka out-of-sample backtestu GBPUSD TP 30 / SL 70 Graf 10: Equity křivka out-of-sample backtestu USDJPY TP 50 / SL 80 Graf 11: Equity křivka out-of-sample backtestu EURUSD TP 10 / SL 90 Graf 12: Equity křivka out-of-sample backtestu Grid1 - GBPUSD TP 50 / SL 10 Graf 13: Equity křivka out-of-sample backtestu Grid1 - USDJPY TP 50 / SL 10 Graf 14: Equity křivka out-of-sample backtestu Grid1 - EURUSD TP 50 / SL 10 87

88 Seznam použitých zkratek AOS automatická obchodní strategie TP Take-Profit SL Stop-Loss RRR Risk Reward Ratio (poměr zisku ku ztrátě) EMA Exponencial Moving Average (exponenciální klouzavý průměr) RSI Relative Strenght Index (index relativní síly) DD Drawdown (pokles kapitálu) PC Personal Computer (počítač) HFT High Frequency Trading (vysokofrekvenční obchodování) FOREX Foreign Exchange market (měnový trh) CySEC Cyprus Securities and Exchange Commission (Komise pro cenné papíry, regulatorní orgán) IFCS International Financial Services Centre (regulatorní orgán) MAE Maximum Adverse Excursion (maximální opačná odchylka) MFE - Maximum Favorable Excursion (maximální příznivá odchylka) STP Straight Through Processing (metoda vypořádání požadavků v brokerských spol.) ECN Electronic Communication Network (metoda vypořádání požadavků v brokerských spol.) MQL4 - Metaquotes Language 4 (programovací jazyk MetaTraderu 4) 88

89 Seznam příloh Příloha 1 - Zdrojový kód strategie EMAcross Příloha 2 - Zdrojový kód strategie Grid1 Příloha 3 Výsledky backtestingu strategie Grid1 (vše) 89

90 Příloha 1 - Zdrojový kód strategie EMAcross // // ProjectName // Copyright 2012, CompanyName // // #property copyright "vikopiko" #property link " // VARIABLES extern int SL=300; extern int TP=300; extern double Lot=0.01; extern int FastEMA=20; extern int SlowEMA=40; // INIT+DEINIT int init() { } int deinit() { return(0); } // // // int start() { // EA // ENTRY_LONG if ( (ima(null,0,fastema,0,mode_ema,price_close,0)) > (ima(null,0,slowema,0,mode_ema,price_close,0)) && (ima(null,0,fastema,0,mode_ema,price_close,1)) < (ima(null,0,slowema,0,mode_ema,price_close,1)) && irsi(null,0,14,price_close,0) > 50 && iclose(null,0,0) > iclose(null,0,1) && OrdersTotal() == 0 ) { } OrderSend(Symbol(),OP_BUY,Lot,Ask,3,Ask-SL*Point,Ask+TP*Point); // ENTRY_SHORT if ( (ima(null,0,fastema,0,mode_ema,price_close,0)) < (ima(null,0,slowema,0,mode_ema,price_close,0)) && (ima(null,0,fastema,0,mode_ema,price_close,1)) > (ima(null,0,slowema,0,mode_ema,price_close,1)) && 90

91 irsi(null,0,14,price_close,0) < 50 && iclose(null,0,0) < iclose(null,0,1) && OrdersTotal() == 0 ) { } OrderSend(Symbol(),OP_SELL,Lot,Bid,3,Bid+SL*Point,Bid-TP*Point); return(0); } //

92 Příloha 2 - Zdrojový kód strategie Grid1 // // ProjectName // Copyright 2012, CompanyName // // #property copyright "vikopiko" #property link " // VARIABLES extern int Range=300; extern int TP=300; extern double Lot=0.01; double PrevAsk; double PrevBid; int OpL = 0; int OpS = 0; double LotL; double LotS; // INIT+DEINIT int init() { PrevAsk = Ask; PrevBid = Bid; return(0); } int deinit() { return(0); } // int start() { // TEMP_VARIABLES int OpL_temp = 0; int OpS_temp = 0; // LOTS_CALCULATION if(opl% 4== 0) { LotL=Lot*1; } else if(opl% 4== 1) { LotL=Lot*2; } else if(opl% 4== 2) { LotL=Lot*3; } else if(opl% 4== 3) { LotL=Lot*4; } if(ops% 4== 0) { LotS=Lot*1; } else if(ops% 4== 1) { LotS=Lot*2; } else if(ops% 4== 2) { LotS=Lot*3; } else if(ops% 4== 3) { LotS=Lot*4; } // EA

93 // ENTRY_LONG if(opl==0) { OrderSend(Symbol(),OP_BUY,LotL,Ask,3,0,Ask+TP*Point); PrevAsk=Ask; OpL++; } if(opl>0 && Ask<=PrevAsk-Range*Point) { OrderSend(Symbol(),OP_BUY,LotL,Ask,3,0,Ask+TP*Point); PrevAsk=Ask; OpL++; } // ENTRY_SHORT if(ops==0) { OrderSend(Symbol(),OP_SELL,LotS,Bid,3,0,Bid-TP*Point); PrevBid=Bid; OpS++; } if(ops>0 && Bid>=PrevBid+Range*Point) { OrderSend(Symbol(),OP_SELL,LotS,Bid,3,0,Bid-TP*Point); PrevBid=Bid; OpS++; } // LOOP_FUNCTION for(int i=0; i<orderstotal(); i++) { OrderSelect(i,SELECT_BY_POS,MODE_TRADES); if(ordertype()==op_buy) OpL_temp++; else if(ordertype()==op_sell) OpS_temp++; } if(opl>opl_temp) { PrevAsk=(Bid-TP*Point)+Range*Point; OpL=OpL_temp; } if(ops>ops_temp) { PrevBid=(Ask+TP*Point)-Range*Point; OpS=OpS_temp; } // REST Comment("OpL: ",OpL,"\n", "LotL: ",LotL,"\n", "OpS: ",OpS,"\n", "LotS: ",LotS); return(0); } //

94 Příloha 4 Výsledky backtestingu strategie Grid1 (vše) EURUSD, TP 10 / SL 10 Celkový zisk = 26% Maximální drawdown = 19% Absolutní drawdown (pod hranici poč. vkladu) = 5% Zisk/Max DD = 29/19 = 1,52 GBPUSD, TP 10 / SL 10 Celkový zisk = 53% Maximální drawdown = 31% Absolutní drawdown (pod hranici poč. vkladu) = 9% Zisk/Max DD = 53/31 = 1,7 94

95 USDCHF, TP 10 / SL 10 Celkový zisk = 15% Maximální drawdown = 21% Absolutní drawdown (pod hranici poč. vkladu) = 9% Zisk/Max DD = 15/21 = 0,71 USDJPY, TP 10 / SL 10 Celkový zisk = 35% Maximální drawdown = 20% Absolutní drawdown (pod hranici poč. vkladu) = 8% Zisk/Max DD = 35/20 = 1,75 95

96 AUDUSD, TP 10 / SL 10 Celkový zisk = 12% Maximální drawdown = 28% Absolutní drawdown (pod hranici poč. vkladu) = 20% Zisk/Max DD = 12/28 = 0,43 USDCAD, TP 10 / SL 10 Celkový zisk = -22% Maximální drawdown = 50% Absolutní drawdown (pod hranici poč. vkladu) = 47% Zisk/Max DD = -22/50 = -0,44 96

97 EURCHF, TP 10 / SL 10 Celkový zisk = 1% Maximální drawdown = 10% Absolutní drawdown (pod hranici poč. vkladu) = 6% Zisk/Max DD = 1/10 = 0,1 EURGBP, TP 10 / SL 10 Celkový zisk = 20% Maximální drawdown = 16% Absolutní drawdown (pod hranici poč. vkladu) = 12% Zisk/Max DD = 20/16 = 1,25 97

98 EURJPY, TP 10 / SL 10 Celkový zisk = 48% Maximální drawdown = 98% Absolutní drawdown (pod hranici poč. vkladu) = 98% Zisk/Max DD = 48/98 = 0,5 EURUSD, TP 30 / SL 30 Celkový zisk = 12% Maximální drawdown = 8% Absolutní drawdown (pod hranici poč. vkladu) = 0,6% Zisk/Max DD = 12/8 = 1,5 98

99 GBPUSD, TP 30 / SL 30 Celkový zisk = 22% Maximální drawdown = 13% Absolutní drawdown (pod hranici poč. vkladu) = 2% Zisk/Max DD = 22/13 = 1,7 USDCHF, TP 30 / SL 30 Celkový zisk = 5% Maximální drawdown = 8% Absolutní drawdown (pod hranici poč. vkladu) = 2% Zisk/Max DD = 5/8 = 0,63 99

100 USDJPY, TP 30 / SL 30 Celkový zisk = 14% Maximální drawdown = 7% Absolutní drawdown (pod hranici poč. vkladu) = 3% Zisk/Max DD = 14/7 = 2 AUDUSD, TP 30 / SL 30 Celkový zisk = 9% Maximální drawdown = 9% Absolutní drawdown (pod hranici poč. vkladu) = 4% Zisk/Max DD = 9/9 = 1 100

101 USDCAD, TP 30 / SL 30 Celkový zisk = -5% Maximální drawdown = 17% Absolutní drawdown (pod hranici poč. vkladu) = 14% Zisk/Max DD = -5/17 = -0,29 EURCHF, TP 30 / SL 30 Celkový zisk = -0,3% Maximální drawdown = 4% Absolutní drawdown (pod hranici poč. vkladu) = 4% Zisk/Max DD = -0,3/4 = -0,

102 EURGBP, TP 30 / SL 30 Celkový zisk = 6% Maximální drawdown = 6% Absolutní drawdown (pod hranici poč. vkladu) = 5% Zisk/Max DD = 6/6 = 1 EURJPY, TP 30 / SL 30 Celkový zisk = 19% Maximální drawdown = 34% Absolutní drawdown (pod hranici poč. vkladu) = 28% Zisk/Max DD = 19/34 = 0,56 102

103 EURUSD, TP 50 / SL 10 Celkový zisk = 359% Maximální drawdown = 52% Absolutní drawdown (pod hranici poč. vkladu) = 12% Zisk/Max DD = 359/52 = 6,9!!! GBPUSD, TP 50 / SL 10 Celkový zisk = 607% Maximální drawdown = 76% Absolutní drawdown (pod hranici poč. vkladu) = 53% Zisk/Max DD = 607/76 = 7,99!!! 103

104 USDCHF, TP 50 / SL 10 Celkový zisk = 191% Maximální drawdown = 72% Absolutní drawdown (pod hranici poč. vkladu) = 61% Zisk/Max DD = 191/72 = 2,65 USDJPY, TP 50 / SL 10 Celkový zisk = 355% Maximální drawdown = 75% Absolutní drawdown (pod hranici poč. vkladu) = 34% Zisk/Max DD = 355/75 = 4,73!!! 104

105 AUDUSD, TP 50 / SL 10 Celkový zisk = 26% Maximální drawdown = 26% Absolutní drawdown (pod hranici poč. vkladu) = 17% Zisk/Max DD = 26/26 = 1 USDCAD, TP 50 / SL 10 Celkový zisk = -14% Maximální drawdown = 47% Absolutní drawdown (pod hranici poč. vkladu) = 41% Zisk/Max DD = -14/47 = -0,3 105

106 EURCHF, TP 50 / SL 10 Celkový zisk = -1% Maximální drawdown = 11% Absolutní drawdown (pod hranici poč. vkladu) = 7% Zisk/Max DD = -1/11 = -0,09 EURGBP, TP 50 / SL 10 Celkový zisk = 24% Maximální drawdown = 12% Absolutní drawdown (pod hranici poč. vkladu) = 8% Zisk/Max DD = 24/12 = 2 106

107 EURJPY, TP 50 / SL 10 Celkový zisk = 73% Maximální drawdown = 89% Absolutní drawdown (pod hranici poč. vkladu) = 87% Zisk/Max DD = 73/89 = 0,82 EURUSD, TP 50 / SL 25 Celkový zisk = 14% Maximální drawdown = 9% Absolutní drawdown (pod hranici poč. vkladu) = 0,6% Zisk/Max DD = 14/9 = 1,56 107

108 GBPUSD, TP 50 / SL 25 Celkový zisk = 25% Maximální drawdown = 14% Absolutní drawdown (pod hranici poč. vkladu) = 2% Zisk/Max DD = 25/14 = 1,79 USDCHF, TP 50 / SL 25 Celkový zisk = 8% Maximální drawdown = 9% Absolutní drawdown (pod hranici poč. vkladu) = 3% Zisk/Max DD = 8/9 = 0,89 108

109 USDJPY, TP 50 / SL 25 Celkový zisk = 15% Maximální drawdown = 9% Absolutní drawdown (pod hranici poč. vkladu) = 2% Zisk/Max DD = 15/9 = 1,67 AUDUSD, TP 50 / SL 25 Celkový zisk = 12% Maximální drawdown = 11% Absolutní drawdown (pod hranici poč. vkladu) = 7% Zisk/Max DD = 12/11 = 1,09 109

110 USDCAD, TP 50 / SL 25 Celkový zisk = -5% Maximální drawdown = 20% Absolutní drawdown (pod hranici poč. vkladu) = 16% Zisk/Max DD = -5/20 = -0,25 USDCHF, TP 50 / SL 25 Celkový zisk = 0,3% Maximální drawdown = 4% Absolutní drawdown (pod hranici poč. vkladu) = 3% Zisk/Max DD = 0,3/4 = 0,08 110

111 EURGBP, TP 50 / SL 25 Celkový zisk = 9% Maximální drawdown = 5% Absolutní drawdown (pod hranici poč. vkladu) = 3% Zisk/Max DD = 9/5 = 1,8 EURJPY, TP 50 / SL 25 Celkový zisk = 23% Maximální drawdown = 42% Absolutní drawdown (pod hranici poč. vkladu) = 38% Zisk/Max DD = 23/42 = 0,55 111

112 EURUSD, TP 100 / SL 20 Celkový zisk = 15% Maximální drawdown = 10% Absolutní drawdown (pod hranici poč. vkladu) = 0,8% Zisk/Max DD = 15/10 = 1,5 GBPUSD, TP 100 / SL 20 Celkový zisk = 35% Maximální drawdown = 16% Absolutní drawdown (pod hranici poč. vkladu) = 3% Zisk/Max DD = 35/16 = 3 112

113 USDCHF, TP 100 / SL 20 Celkový zisk = 9% Maximální drawdown = 11% Absolutní drawdown (pod hranici poč. vkladu) = 4% Zisk/Max DD = 9/11 = 0,82 USDJPY, TP 100 / SL 20 Celkový zisk = 20% Maximální drawdown = 11% Absolutní drawdown (pod hranici poč. vkladu) = 0,6% Zisk/Max DD = 20/11 = 1,82 113

114 AUDUSD, TP 100 / SL 20 Celkový zisk = 11% Maximální drawdown = 12% Absolutní drawdown (pod hranici poč. vkladu) = 5% Zisk/Max DD = 11/12 = 0,92 USDCAD, TP 100 / SL 20 Celkový zisk = 23% Maximální drawdown = 29% Absolutní drawdown (pod hranici poč. vkladu) = 25% Zisk/Max DD = 23/29 = 0,79 114

115 EURCHF, TP 100 / SL 20 Celkový zisk = -0,1% Maximální drawdown = 4% Absolutní drawdown (pod hranici poč. vkladu) = 2% Zisk/Max DD = -0,1/4 = 0,03 EURGBP, TP 100 / SL 20 Celkový zisk = 10% Maximální drawdown = 5% Absolutní drawdown (pod hranici poč. vkladu) = 0,6% Zisk/Max DD = 10/5 = 2 115

116 EURJPY, TP 100 / SL 20 Celkový zisk = 25% Maximální drawdown = 54% Absolutní drawdown (pod hranici poč. vkladu) = 48% Zisk/Max DD = 25/54 = 0,46 116