codzienna statystyka – o co chodzi? [AKTUALIZACJA luty 2022]

Od pewnego czasu w dni robocze na moich social mediach możecie dostrzec publikację pewnych statystyk dotyczących kilku rynków. No i oczywiście pojawiają się pytania co to, jak to czytać i jak wykorzystywać. Tak więc już śpieszę z odpowiedzią czym jest ta codzienna statystyka.

[otw_is sidebar=otw-sidebar-1]

Aktualizacja luty 2022 dostępna tu

M1 i Temet Nosce oraz Chris A.

Na sam początek pragnę podziękować Temetowi za zaproszenie do współpracy z jego grupą M1. W ramach tej współpracy wziąłem na warsztat część podejścia Larry’ego Williamsa, nazwanego Trading Day of the Month. Koncepcja Larry’ego, światowej sławy tradera, polega na wyszukiwaniu dni w których na podstawie historycznych danych jest statystycznie największa szansa na ruch w określonym kierunku.

Dużym wsparciem dla mnie w tej pracy jest też Chris Abramowicz, autor bloga Market Revolution i prawdopodobnie najlepszy w Polsce (jeśli nie w Europie) człowiek od najprzeróżniejszych wyliczeń statystycznych i schematów rynkowych.

Ponieważ nie znalazłem dokładnej rozpiski tego podejścia to musiałem rozpracować to samemu. Taki reverse engineering, który zresztą jest całkiem ciekawie pokazany w filmie „Paycheck” z 2003 roku. Ten fragment zresztą znalazłem na YouTube’ie:

Więc raz jeszcze: dzięki współpracy z Temetem opracowałem model, podstawy w Excelu i korzystając z dostępnych w internecie danych stworzyłem kilka raportów.

Dzień handlowy (trading day) a dzień kalendarzowy

Pierwsza i podstawowa kwestia to rozróżnienie dni tradingowych od dni kalendarzowych.

Dzień tradingowy to dzień handlowy czyli dzień w którym dany rynek pracuje. Co oznacza, że dni tradingowych mamy maksymalnie 23 w miesiącu (często mniej). I tak jeśli np miesiąc zaczyna się nam w niedzielę to pierwszym dniem tradingowym będzie poniedziałek. Wymaga to trochę liczenia, zwłaszcza że trzeba brać pod uwagę dni wolne od handlu dla każdego kraju inne. Bo przecież nikt nie będzie liczył dnia wolnego w Polsce jako dzień nie-handlowy w USA…

Dane

Ponieważ na razie są to pierwsze próby, korzystam z dostępnych w internecie danych. Z tego powodu dla różnych instrumentów mam różną wielkość próby czyli lat historii. Dla złota np udało mi się pobrać aż 44 lata (a nawet więcej, tylko że dla wcześniejszych lat nie były to wartości OHLC), z kolei indeks dolara to tylko 12 lat…

Wykorzystuję dane w modelu OHLC z interwału D1 (dziennego) czyli:

• cena otwarcia (O),
• dzienne maksimum (H),
• dzienne minimum (L),
• cena zamknięcia (C).

I zestaw tych czterech cen opracowuję następnie w Excelu.

Dane dotyczą rynku handlu rzeczywistego (indeksy) tudzież rynku kontraktów typu futures, czyli dla każdego instrumentu są to inne godziny.

Statystyka czyli liczenie

Proces obróbki danych jest najbardziej czasochłonny. Nawet nie taka najgorsza znajomość Excela wymagała sporego wysiłku i dużej ilości czasu, by ogarnąć kilka tysięcy (dla złota to ponad 12 tysięcy) wersów. Wbrew pozorom posegregowanie ich wg miesięcy a następnie dni takie proste nie jest. Obecnie mam wypracowany wzór, dzięki któremu po pobraniu danych jeden raport zajmuje mi około 3 godzin samej pracy nad danymi. Potem jest jeszcze kwestia przerobienia tego w jednolity plik podsumowujący każdy z miesięcy z zaznaczeniem najciekawszych dni i oczywiście dopasowanie tychże dni tradingowych do kalendarza w bieżącym roku.

Jak wyliczam?

Tu akurat metodologia jest prosta: biorę liczbę dni w których close był powyżej open i w ten sposób wyliczam jakie jest prawdopodobieństwo wystąpienia danego dnia handlowego ruchu wzrostowego. Gdy statystyka wynosi poniżej 51% to Excel już mi zamienia informację, że mamy dzień z shortami.

To prosta matematyka: mając złoto i dane z 44 lat i np. piąty dzień handlowy maja, to liczę ile razy w piątym dniu handlowym maja złoto szło w górę. Gdy wynik pokaże mi 19 dni, to oznacza 43% dni wzrostowych – czyli już wiemy, że to 57% dni spadkowych i w raporcie „wskoczy” słówko short ze skutecznością 57%.

I tu mała uwaga: żeby niepotrzebnie nie komplikować już i tak skomplikowanych formuł w Excelu, uniknąłem oddzielnego wyznaczenia wyniku 50% czyli w sumie nieznanego kierunku. Przez to w raportach przy liczbie 50% jest słówko short. W publikowanych w social mediach informacjach opisuję to jako 50/50. Jest to zabieg upraszczający formuły, ponieważ im większa komplikacja tym większe ryzyko, że coś się wysypie i będą zafałszowane wyniki

Jak już mam określony kierunek mam oznaczone maksymalne i minimalne ceny dla każdego z dni tradingowych co stanowi w raporcie odpowiednią rubryczkę z maksymalnym zasięgiem i maksymalnym stop lossem (SL).

Mam też wyliczone średnie zasięgi dla dni o danym kierunku. Tak więc gdy raport wskazuje, że mamy dzień z longami na danym rynku, to w średnich zasięgach biorę pod uwagę tylko dni, które miały właśnie taki kierunek. Z kolei przy średnich stop lossach liczę cały zakres, gdyż uznałem to za skuteczniejszą metodę.

Czytanie wyników

Każdy z raportów posiadających minimum 15 lat danych dzielę na dwie części: cały okres oraz ostatnie 10 lat.

W ten sposób mamy próbę długoterminową, która zawiera co najmniej jeden kryzys w sobie (z 2008 roku) jak i próbę dla ostatnich 10 lat czyli wystarczająco dużą, by miała ona sens a jednocześnie uwzględniającą relatywnie najnowsze zmiany na rynkach. Tak wygląda fragment raportu, tu akurat konkretnie dla rynku złota:

Ważne jest też określenie kiedy mamy silny sygnał statystyczny na rynku. Silny sygnał oznacza dla mnie ponad 70% dla długiej próby (minimum 15 lat) lub ponad 80% dla próby dziesięcioletniej. W przypadku nałożenia się silnych sygnałów statystycznych dla długoterminowej i 10-letniej próby mamy swego rodzaju statystyczną kumulację czyli ten poszukiwany Trading Day of the Month. A zdarzają się dni, gdzie statystyka dla 10 lat pokazuje 100%… W raporcie silne dni zaznaczam, jak widać, na żółto.

Publikacje statystyki

Mamy codziennie publikowane statystyki dla piętnastu opracowanych instrumentów na Twitterze i moim fanpejdżu.

Z kolei pochodną tych raportów są także cotygodniowe wpisy z cyklu „sekwencja tygodniowa” na dzienniku tradera. Sekwencja podaje czy mamy w ciągu najbliższych dni tradingowych trafia się jednokierunkowy (max 1. dzień o przeciwnym kierunku) cykl o sile co najmniej 70% na danym instrumencie. Statystyka mówi o średniej sile sygnału z tych dni. W tych wpisach wspominam również o potencjalnych zasięgach.

Więc całkiem sporo informacji się pojawia publicznie i regularnie.

Jeśli zaś ktoś by chciał pełną tabelkę statystyk, dla 33 instrumentów – jest dostępna w sklepie.

Statystyka – jak ją wykorzystać?

Osobiście planuję zbudować zbudowałem całą strategię inwestycyjną w oparciu o statystyki z moich raportów Trading Day of the Month. Byłby To fantastyczny układ, pozwalający zaplanować transakcje na cały kolejny rok już 31 grudnia. 

Druga opcja wykorzystywania tych wyników to wsparcie dla już istniejących strategii. Rynki są powtarzalne, więc wystąpienie silnych sygnałów może nam uratować jakąś część kapitału inwestycyjnego lub potwierdzić nasze założenia.

Detale

Praca nad statystykami może być zero-jedynkowa. Ja osobiście wolę rozeznanie w aktualnej sytuacji rynkowej, która może nie być przewidziana przez statystyki (jak np ujemne ceny na rynku ropy jakie się pojawiły w 2020 roku po raz pierwszy w historii). Również niekiedy w statystykach zdarzają się przeciwne dane. Tego typu sytuację opisałem w tym przykładzie.

Więcej szczegółów dotyczących statystyk można znaleźć podczas moich różnych wystąpień publicznych i webinarach. O każdym w zasadzie informuję na blogu.

AKTUALIZACJA luty 2022

W związku z rosyjską inwazją na Ukrainę, zamieściłem wpis poświęcony m.in. rozgrywaniu statystyk w takiej sytuacji.