POLITECHNIKA CZ
STOCHOWSKA
WYDZIAA
INŻYNIERII MECHANICZNEJ I INFORMATYKI
INSTYTUT INFORMATYKI
TEORETYCZNEJ I STOSOWANEJ
PRACA MAGISTERSKA
Studia dzienne
 System informatyczny wspomagający podejmowanie decyzji
na rynku walutowym
Imię i nazwisko: Michał Gronowski
Nr albumu: 35795
Promotor: prof. dr hab. inż. Paweł Sewastianow
Recenzent:& & & & & & & & & & &
Częstochowa, 2006 r.
SPIS TREŚCI
WST
P........................................................................................................................................................ 3
CEL I ZAKRES PRACY........................................................................................................................... 5
1. WPROWADZENIE DO ANALIZA TECHNICZNEJ .................................................................... 7
1.1 PODSTAWOWE POJ
CIA ANALIZY TECZNICZNEJ ........................................................ 8
1.2 WSKAy
NIKI ANALIZY TECHNICZNEJ ............................................................................ 10
1.2.1 WST
GA BOLLINGERA (BOLLINGER BANDS)........................................................................... 10
1.2.2 MACD (MOVING AVERAGE CONVERGENCE DIVERGENCE)  OSCYLATOR ŚREDNICH
WYKA
ADNICZYCH ....................................................................................................................................... 12
1.2.3 RSI (RELATIVE STRENGHT INDEX)  INDEKS SIA
Y WZGL
DNEJ ............................................. 13
1.3 ANALIZA FUNDAMENTALNA .......................................................................................... 15
2. SYSTEMY INFORMATYCZNE NA RYNKU INWESTYCYJNYM ......................... BA

D! NIE
ZDEFINIOWANO ZAKA
ADKI.
2.1 AUTOMATYCZNE SYSTEMY TRANSAKCYJNE ............................................................ 19
2.2 PRZYKA
AD SYSTEMU TRANSAKCYJNEGO (SYSTEM HANDLU PARAMI).............. 22
3. ANALIZA NAJBARDZIEJ ROZWINI
TYCH PLATFORM POZWALAJ
CYCH NA
REALIZACJ
AUTOMATYCZNYCH SYSTEMÓW INWESTYCYJNYCH.......................... 31
3.1 PAKIET WEALTH LAB DEVELOPER................................................................................... 32
3.2 OPIS PLATFORMY METATRADER ................................................................................... 35
3.3 OPIS PLATFORMY TMM..................................................................................................... 36
4. OPRACOWANIE SYSTEMU INFORMATYCZNEGO POZWALAJ
CEGO NA
OPTYMALIZOWANE PODEJMOWANIE DECYZJI NA RYNKU FOREX ZA POMOC

SYNTEZY PODEJŚCIA TECHNICZNEGO I FUNDAMENTALNEGO.................................. 40
4.1 FORMALIZACJA KRYTERIÓW LOKALNYCH ZA POMOC
FUNKCJI
UŻYTECZNOŚCI...................................................................................................................................... 43
4.2 OSZACOWANIE WSPÓA
CZYNNIKÓW WZGL
DNEJ WAŻNOŚCI DLA KRYTERIÓW
LOKALNYCH........................................................................................................................................... 45
4.3 AGREGOWANIE KRYTERIÓW LOKALNYCH................................................................. 47
4.4 ZAA
OŻENIA SYSEMU INWESTYCYJNEGO .................................................................... 51
4.5 PRZYKA
AD DZIAA
ANIA SYSTEMU INWESTYCYJNEGO............................................. 52
2
WST
P
Problem wyboru odpowiedniej strategii inwestycyjnej jest problemem znanym
od samych początków ludzkości, gdzie człowiek pierwotny stosował handel wymienny
z innym osobnikiem, nastawiając się na osiągnięcie możliwie największej korzyści.
Choć człowiek rozwijał się tworząc coraz bardziej zaawansowane technologicznie
wynalazki, rozwijając się, idea rynku i wymiany pozostała taka sama.
Na temat wyboru strategii inwestycyjnej, która będzie można z powodzeniem
zastosować na rynku powstało szereg prac mających charakter naukowy jak i zupełnie
przypadkowy, czego przykładem mogą być publikacje takie jak [x], jednak nikt do dnia
dzisiejszego nie odnalazł takiego sposobu, który pozwoliłby na 100% skuteczność. W
pracach tych starano się zastosować skomplikowany aparat matematyczny, czy też
nawet czysto intuicyjne techniki. Problem wyboru korzystnej strategii jest w gruncie
rzeczy procesem podejmowania decyzji, na który wpływ ma zbiór ściśle określonych
kryteriów. Aby osiągnąć sukces należy wykonać pewnien model zachowań innych
uczestników rynku, być o krok do przodu. Z tego punktu widzenia naturalnym
podejściem staje się wybór wielokryterialny, choć jak dowodzą badania nie ma sposobu
na stuprocentową skuteczność zastosowanie odpowiednich technik matematycznych
oraz sposobu doboru i agregacji kryteriów może się przyczynić do zbudowania systemu
inwestycyjnego, który pozwoli na osiąganie zadawalającej skuteczności. Należy
również zaznaczyć, iż proces inwestycyjny jest procesem typowo subiektywnym a
wybór odpowiedniej strategii ze względu na mnogość czynników bardzo
skomplikowany.
Jeszcze na początku XIX wieku w finalizowaniu transakcji niezbędne było
liczydło, dzięki któremu liczenie było ułatwione. Współczesny człowiek nie musi już
prowadzić skomplikowanych obliczeń za pomocą tak prymitywnych narzędzi. Ma do
swojej dyspozycji komputery, których moc obliczeniowa jest bardzo duża. Maszyny te
są wykorzystywane dzisiaj praktycznie w każdej dziedzinie życia. Nawet w
gospodarstwie domowym bardzo często mamy do czynienia z komputerem, choć
3
czasami nawet nie zdajemy sobie z tego sprawy. Tak gwałtowny rozwój
komputeryzacji, jaki miał miejsce w XX wieku, nie mógł nie mieć wpływu na różnego
rodzaju rynki. Dzięki kontrolowaniu wymiany rynkowej przez maszyny mogła się ona
rozwinąć w sposób bardzo szybki. Dziś nie trzeba nawet wychodzić z domu, aby
dokonywać transakcji, spekulacja na rynku wymaga tylko komputera domowego i
podłączenia do Internetu. Rozwój komputerów wpłynął w jeszcze inny sposób na
spekulację, dał zupełnie inne spojrzenie na analizę techniczną. Analiza techniczna znana
jest od XIX wieku, kiedy to jako pierwsi zastosowali ją japończycy na rynku ryżu i
gdzie dawała wymierne rezultaty. Do dziś bardzo ważną techniką inwestowania w
szczególności stosowaną na rynkach azjatyckich są tak zwane świece japońskie. O tym,
że wschodni traderzy są bardzo innowacyjni jeśli chodzi o podejście do rynku a w
szczególności do analizy technicznej można się przekonać śledząc rozwój strategii
Ichimoku szczegółowo przedstawionej w [x]. Jak już wcześniej wspomniałem w
ostatnich latach nastąpił niewątpliwy boom, jeśli chodzi o analizę techniczną, rozwój
informatyzacji pozwolił na wdrażanie nawet najbardziej skomplikowanych rozwiązań
na zwykłym komputerze domowym. Trader w dniu dzisiejszym nie musi nawet znać
skomplikowanych formuł matematycznych, wystarczy, że będzie znał podstawy
teoretyczne, aby stosować różne, nawet bardzo zaawansowane teorie. W chwili obecnej
w Internecie na różnych forach, czy też grupach dyskusyjnych można znalez
ć wiele
systemów napisanych przez użytkowników rynku. Większość z nich ma silne
podbudowy teoretyczne. Jak grzyby po deszczu pojawiają się firmy oferujące swoim
klientom gigantyczne zyski w bardzo krótkim czasie. Dowodem na takie cudowne
wręcz rezultaty mają być zyski systemu na danych historycznych.
4
CEL I ZAKRES PRACY
Celem niniejszej pracy jest opracowanie systemu informatycznego
pozwalającego na zwiększenie zysków z handlu na rynku walutowym Forex. W tym
celu opracowano oprogramowanie umożliwiające wspomaganie podejmowania decyzji
na rynku Forex.
W pierwszym rozdziale pracy zaprezentowano wprowadzenie do problemu
zastosowania technik matematycznych na rynkach finansowych, pokazano podstawowe
techniki stosowane przez traderów, omówiono pojęcia niezbędne do dalszej lektury
niniejszej pracy.
Drugi rozdział traktuje o automatycznych systemach transakcyjnych i ich
zastosowaniu na rynkach finansowych. W rozdziale tym przedstawione są przykłady
automatycznych systemów stosowanych na rynkach finansowych w celu osiągnięcia
maksymalnych zysków. Wyjaśniono również problem psychologii rynku, jako główny
powód niepowodzeń uczestników różnego rodzaju giełd. Od psychologii w sposób
naturalny przechodzimy do automatyki, jako niezbędnego warunku sukcesu. W
rozdziale tym pokazana jest przewaga automatu nad decyzjami gracza, który często jest
pod wpływem różnego rodzaju emocji i bodz
ców. Na zakończenie przedstawione jest
gotowy system inwestycyjny, który może być uruchomiony automatycznie na
platformie Forexowej.
Rozdział trzeci jest nijako dokończeniem rozdziału drugiego, i przedstawia
oprogramowanie realizujące wytyczne przedstawione w rozdziale poprzednim. W
rozdziale tym przedstawiono różnego rodzaju oprogramowanie komercyjne i darmowe
pozwalające na uczestnictwo w rynkach finansowych. Aby oprogramowanie takie było
jak najbardziej użyteczne z punktu widzenia gracza giełdowego musi spełniać
następujące kryteria:
" Wizualizacja danych tekstowych (wykresy)
5
" Możliwość pracy na danych historycznych
" Zawieranie transakcji w trybie rzeczywistym
" Implementacja własnego języka programowania umożliwiającego tworzenie
wskaz
ników analizy technicznej
" Testowanie zaprogramowanych rozwiązań
" Możliwość automatycznego zawierania transakcji
W rozdziale czwartym pokazano innowacyjne podejście do budowania strategii
rynkowych opierające się na zastosowaniu wielokryterialnych systemów decyzyjnych.
W rozdziale tym zaprezentowano system inwestycyjny oparty na połączeniu podejścia
technicznego i fundamentalnego dla rynku walutowego, Jako czynniki fundamentalne
zastosowano wskaz
niki makroekonomiczne publikowane dla Stanów Zjednoczonych,
natomiast jako podejście techniczne zastosowano ocenę sytuacji trendowej.
Zastosowanie takiej strategii pozwala na kompromis pomiędzy różnymi podejściami do
budowania strategii inwestycyjnej, dzięki czemu możliwe jest zmaksymalizowanie
zysków. W rozdziale tym zaprezentowano również wyniki systemu stworzonego na
jednej z dostępnych platform inwestycyjnych oraz możliwości jego zastosowania jako
automatyczny system inwestycyjny.
6
1. WPROWADZENIE DO ANALIZY RYNKÓW
FINANSOWYCH
Analiza techniczna jest jedną z metod inwestycyjnych polegającej na analizie
kursów danego instrumentu za pomocą specjalnie do tego celu dobranych metod i
narzędzi matematycznych. Według Murphego Analiza Techniczna to:  badanie
zachowań rynku przede wszystkim przy użyciu wykresów, którego celem jest
przewidywanie przyszłych trendów cenowych .[x] Ma ona zarówno mnóstwo
zwolenników jak i przeciwników, lecz jako metoda inwestycyjna jest stosowana
długiego czasu i nic nie wskazuje na to, żeby jej popularność malała, wydawane są
nowe pozycje książkowe, tworzone są nowe wskaz
niki analizy technicznej, gdyż aparat
matematyczny daje praktycznie nieograniczone możliwości.
Każdy rynek i kształtujące się na nim ceny są niczym innym jak wypadkową
zachowań uczestników tegoż rynku, relacją popytu do podaży. Analiza techniczna
pozwala na zbadanie nie tyle konkretnych czynników wpływających na cenę danego
instrumentu, lecz na analizę zaistniałych wcześniej sytuacji i przewidywanie ruchów
cen w przyszłości. Podstawową zasadą analizy technicznej jest stwierdzenie, że ruchy
cen nie są przypadkowe, lecz podlegają mniejszym lub większym trendom (zmianom w
określoną stronę). Właśnie na wcześniej wspomnianych trendach można osiągać zyski,
przewidując ich kierunek, siłę, okres występowania czy w końcu prognozując
prawdopodobny moment rozpoczęci czy też zakończenia. Swoje założenia analitycy
opierają również na stwierdzeniu, że  historia się powtarza . Analizując wykresy,
trendy, czy też formacje giełdowe, które już nastąpiły można dojść do pewnych
prawidłowości częściej lub rzadziej się powtarzających. Wnioski jakie analitycy
wyciągają z takiej analizy pozwalają na przewidywanie ruchów cen w przyszłości.
Powtarzalność na rynkach, badana zarówno przez analityków giełdowych jak i przez
psychologów ugruntowana jest w psychice ludzkiej. Jak stwierdzono człowiek ma
pewne stereotypy zachowania w określonych sytuacjach, co przekłada się również na
jego działania na rynku.
Poza analizą techniczną istnieją również inne sposoby przewidywania kursów akcji:
7
- analiza fundamentalna - skupiająca się na badaniu czynników gospodarczych
mających wpływ na kurs określonego instrumentu. Opiera się na równowadze popytu i
podaży. Jeżeli wartość rzeczywista przekracza wartość rynkową danego instrumentu
oznacza to, że najwyższy czas się go pozbyć, ponieważ jest on przewartościowany. W
przeciwnej sytuacji, gdy cena rynkowa jest niższa od ceny rzeczywistej, można nabyć
taki instrument spodziewając się, że jego cena w przyszłości wzrośnie. Problemem
analizy fundamentalnej jest to, że ceny rynkowe nierzadko wyprzedzają takie
przewidywania, gdyż dostęp do informacji od aktualnej wartości danej firmy spółki, czy
też danego waloru rynkowego ma grupa określonych osób.
-analiza psychologiczna powiązana z analizą techniczną, pozwala na zbadanie
psychologicznych podstaw zachowań uczestników rynku. Analiza ta bada sposób
reakcji ludzi na różne czynniki występujące na rynku, bada nastroje, niepokoje czy też
euforie wynikające ze zmiany cen, nowych informacji i innych czynników. Analiza
psychologiczna pozwala na utworzenie pewnych wzorów zachowań, które mogą się
pomóc w określeniu przyszłego kursu instrumentu rynkowego.
1.1 PODSTAWOWE POJ
CIA ANALIZY TECZNICZNEJ
Jak wcześniej wspomniano istnieje wiele opinii odnośnie analizy technicznej,
zwolennicy tego podejścia twierdzą, że jest ono niezbędne do prawidłowego
przewidywania kursów, jednak przeciwnicy wykazują wiele wątpliwości i zarzutów
przeciwko tejże analizie. Podstawowym zarzutem jest to, że ceny niekoniecznie mogą
podlegać trendom (główne założenie analizy technicznej). Powstała nawet teoria
błądzenia losowego (random walk theory)[x], stworzona w kręgach akademickich,
mówiąca o tym, że zmiany cen na rynku mają charakter losowy. Przeprowadzono
badania mające na celu udowodnienie, że ruchy cen nie podlegają trendom, są
przypadkowe i niczym nie zdeterminowane. Podejście to opiera się na teorii, że ceny
rynkowa jest odzwierciedleniem ceny rzeczywistej, a wszelkie odchylenia od tej ceny
są przypadkowe i spowodowane losowością. Założenia takie, jak wcześniej
wspomniano powstały w kręgach akademickich spór nie jest zbytnio powiązany z
rzeczywistością, ponieważ analiza techniczna jest z powodzeniem stosowana na
8
różnego rodzaju rynkach, a zarzuty wobec niej są odpierane przez specjalistów i
praktyków jako w ogóle nie związane praktyką.
Podstawową teorią analizy technicznej na której opiera się wiele podejść jest
teoria Dowa[x], powstała na pod koniec XIX wieku. Jej ojcem był Charles Dow, który
stworzył pierwszy na świecie indeks giełdowy, uwzględniając wartości średnie spółek z
sektora przemysłowego i kolejowego. Dow w swojej teorii wyodrębnił trzy fazy trendu
głównego: akumulacji (faza w której akcje kupują tylko wytrawni gracze, akcje są
jeszcze w miarę tanie, a nabywców na akcje jest mało); druga faza  w zakupie akcji
uczestniczy coraz więcej inwestorów a walory danej spółki rosną szybko; trzecia i
ostatnia faza  inwestorzy, którzy kupili akcje w fazie akumulacji zaczynają się ich
pozbywać, z drugiej strony na akcje spółki następuje swoisty boom, wydaje się, że
spółka radzi sobie wyśmienicie, jednak faza ta jest zapowiedzią odwrócenia trendu i
spadków cen.
Przez ponad sto lat od opublikowania teorii Dowa na rynku powstało wiele
podejść do analizy kursów, z bardziej popularnych należy wyróżnić: teorię fal
Elliota[x], opracowanej w latach trzydziestych XX wieku przez Ralpha Nelsona Elliota.
Teoria ta opiera się na występowaniu pięciu fal ruchów cen podczas wzrostu kursów
(hossy) oraz trzech fal podczas spadku (bessy). Założenia tej teorii chociaż powstały już
prawie osiemdziesiąt lat temu w dalszym ciągu są stosowane z powodzeniem, na
różnych rynkach. Inną godnym uwagi podejściem do rynku jest stosowanie ciągów
Fibonacciego[x] jako metody pozwalającej na prognozowanie ruchów cen. W ostatnich
czasach bardzo popularną metodą analizy było stosowanie tak zwanych  chmur
Ichimoku . Metoda ta wynaleziona przez japończyka Goichi Hosode jeszcze przed II
wojną światową spopularyzowała się w latach dziewięćdziesiątych. Polega ona na
określeniu trendu za pomocą odpowiednio narysowanych wykresów i ich analizie.
Reasumując, przez wiele lat powstała cała gama teorii analizy technicznej,
wszystkie z nich obok założeń technicznych opierają się na analizie wykresów cen. Idąc
dalej wykresy są podstawą analizy technicznej, ich poprawne budowanie i zrozumienie
informacji niesionych przez wykres i wskaz
niki pozwala na osiągnięcie sukcesu,
dlatego ich poprawnym tworzeniem zajmują się analitycy na całym świecie, często
twierdząc, że informacja graficzna niesiona przez jeden wykres jest ważniejsza niż
9
dziesięć stron opracowania fundamentalnego. Wskaz
niki analizy technicznej
prezentowane na wykresie, choć wyliczane metodami matematycznymi, niosą za sobą
informację czysto graficzną, często intuicyjną, nie podlegającą regułom
matematycznym. Przykładem mogą być średnie kroczące, których przecięcie daje
sygnał do akcji na rynku. Analitycy obserwujący wykres nie muszą podejmować akcji
na widok przecięcia, często same zbliżenie się średnich w powiązaniu z innymi
czynnikami może być sygnałem do kupna bądz
sprzedaży.
1.2 WSKAy
NIKI ANALIZY TECHNICZNEJ
Wskaz
niki analizy technicznej można podzielić na trzy podstawowe rodzaje:
wskaz
niki idące za trendem, oscylatory oraz tak zwane wskaz
niki nastroju. Wskaz
niki
trendowe służą do wyłapywania znacznej zmiany cen na rynku, ich podstawową wadą
jest to, że w większości przypadków są one opóz
nione względem trendu, a generowane
poprzez nie sygnały mogą również być spóz
nione. Wskaz
niki trendowe to między
innymi: średnie ruchome, MACD czy Wstęga Bollingera. Następną grupę stanowią
oscylatory, jak sama nazwa ich wartości oscylują wokół jednego punktu (najczęściej
jest nim zero), starają się wyłapywać punkty zwrotne na rynkach (odwrócenie trendu).
Do tej grupy zaliczamy między innymi Rate of Change (ROC), Relative Strength Index
(RSI) czy Commodity Chanel Index (CCI). Ostatnią grupę stanowią wskaz
niki nastroju
mówiące o tym jakie nastroje panują wśród inwestorów, zdarza się że nie są one
budowane na podstawie cen, lecz na podstawie ankiet. Do tej grupy zaliczamy między
innymi wskaz
nik nastroju Wig (ankieta) lub Advenced/Decline Index. Podane
wskaz
niki stanowią oczywiście przykłady, więcej na temat wskaz
ników analizy
technicznej można znalez
ć w literaturze[x].
Poniżej przedstawione zostanie kilka wskaz
ników analizy technicznej z przykładami
podejmowania decyzji na podstawie ich wskazań.
1.2.1 Wstęga Bollingera (Bollinger Bands)
10
Wstęga Bollingera jest jednym z najpopularniejszych wskaz
ników analizy
technicznej, w oparciu o wstęgę w połączeniu z innymi wskaz
nikami powstają całe
strategie inwestycyjne, bada się zarówno dynamikę zmiany, jak i również szerokość
wstęgi. Bardzo często jest ona stosowana jako wsparcie dla istniejących już systemów
handlowych.
Formuła matematyczna:
Do obliczenia wartości górnej wstęgi stosujemy wzór:
Dolną wstęgę obliczamy ze wzoru:
gdzie:
SMA  prosta średnia ruchoma z n okresów
Close  wartość ceny zamknięcia z badanego okresu
D  wielkość odchylenia standardowego
n  liczba okresów z jakich liczymy średnią
Jak widać z załączonej formuły Wstęga Bollingera powstaje ona przez odjęcie lub
dodanie D odchyleń z n sesji.
11
Rysunek[x]. Wykres wstęgi Bollingera dla n=20 i D=2
Zasady gry:
Wstęga Bollingera służy zazwyczaj do oceny, czy rynek znajduje się w sytuacji
trendowej, jeśli cena wychodzi poza zakres wstęgi górnej(1) generuje się sygnał do
kupna, jeśli cena wraca do wstęgi należy zamykać pozycję(2). W przypadku, gdy dolna
linia wstęgi jest przebijana przez linię ceny zajmowana jest pozycja krótka.
Innym przypadkiem jest, gdy linie wstęgi utrzymują się na stałym poziomie świadczy to
o tak zwanym trendzie bocznym. Na niektórych rynkach zwężenie szerokości wstęgi
sygnalizuje skupienie rynku przed silnym wybiciem.
1.2.2 MACD (Moving Average Convergence Divergence) 
Oscylator średnich wykładniczych
MACD jest jednym z najpopularniejszych wskaz
ników analizy technicznej,
umożliwia generowanie zarówno sygnałów kupna jak i sygnałów sprzedaży. Jego
umiejętne stosowanie na różnego rodzaju rynkach może przynieść wymierne rezultaty.
Wskaz
nik składa się zasadniczo z 2 linii. Pierwsza zwana linią szybką, która jest średnią
ruchomą wykładniczą z n okresów (standardowo n=12) oraz drugiej linii zwanej linią
wolną, która jest średnią wykładniczą z k okresów (standardowo k=26). Oczywiście
parametry n i k mogą ulec zmianie w zależności od rynku. Bardziej zaawansowana
12
prezentacja MACD uwzględnia różnicę pomiędzy linią szybką i wolną, oraz średnią
kroczącą z tej różnicy.
Formuła matematyczna:
Slow =EMA(n)
Fast=EMA(k)
MACD=Slow-Fast
Signal=SMA(MACD)
gdzie:
n  liczba okresów dla wolnej linii MACD
k  liczba okresów dla linii szybkiej MACD
Rysunek [x]. Wykres MACD dla: Fast(12), Slow(26), SMA(9)
Zasady gry:
Gdy linia histogramu(slow-fast) przecina linię średniej powyżej zera, tak jak ma to
miejsce w punkcie 1 generowany jest sygnał kupna, zamknięcie pozycji następuje przy
ponownym przecięciu (punkt 2). Sygnał sprzedaży generuje się, gdy w przypadku, gdy
przecięcie ma miejsce poniżej linii zera.
1.2.3 RSI (Relative Strenght Index)  Indeks Siły Względnej
13
RSI jest oscylatorem, który podąża za ceną. Wartości RSI zmieniają się od 0 do 100.
Uczestnik rynku poszukuje minimów i maksimów tego wskaz
nika, gdyż te punkty
sygnalizują zmianę trendu. Osiągnięcie przez wskaz
nik punkt 70 świadczy o ty, że
rynek wchodzi w obszar wykupienia. Natomiast jeśli wartość wskaz
nika spada poniżej
30, może być sygnałem, że rynek wszedł w obszar wyprzedania.
Formuła matematyczna:
Rysunek[x]. Wykres RSI z okresu k=14
Zasady gry:
Na rysunku widać przebieg RSI, czerwone linie wskazują poziom 70 i 30. Przebicia
linii oznaczone są zamalowanymi kółkami i sygnalizują poziom wykupienia lub
wyprzedania rynku. Najczęściej szukamy przecięć wskaz
nika z linią 50. Gdy wskaz
nik
przecina linię 50 od góry znaczy to że należy sprzedawać. Pozycję zamykamy, gdy
wskaz
nik przetnie linię 30. Sygnał kupna jest generowany, gdy wskaz
nik przecina linię
50 od dołu, a pozycja jest zamykana przy osiągnięciu poziomu 70.
14
Wskaz
niki analizy technicznej są niczym innym jak formułami
matematycznymi, za pomocą których można ściśle określać reguły za pomocą których
powinien działać system automatyczny. Mniej skomplikowane systemy automatyczne
oparte są na kombinacji jednego, bądz
dwóch wskaz
ników. Zaawansowane techniki
opierają swoje działanie na kilku (kilkunastu) wskaz
nikach analizy technicznej, biorąc
pod uwagę zmieniający się horyzont czasowy, i inne czynniki wpływające na działanie
konkretnego systemu.
Do budowy systemów transakcyjnych można użyć zarówno jednego jak i
kombinacji dostępnych wskaz
ników analizy technicznej, system transakcyjny
charakteryzuje się tym, że sugeruje uczestnikowi rynku decyzję, czy ma dokonać
zakupu, czy też sprzedać posiadane przez siebie walory. Jak wcześniej wspomniano
gama wskaz
ników jest bardzo szeroka, a możliwości budowy systemów
nieograniczone.
1.3 ANALIZA FUNDAMENTALNA
Drugim zbiorem wskaz
ników są wskaz
niki makroekonomiczne (analiza
fundamentalna), z ich pomocą również można budować systemy wspomagania decyzji
na rynku. Zbiór wskaz
ników fundamentalnych jest również bardzo rozbudowany, lecz
zależny od konkretnego rynku. Dla rynku akcji wskaz
niki te obejmują nie tylko
globalne wskazania koniunktury gospodarczej, ale również wskazania dotyczące
konkretnej spółki, jej działania oraz mechanizmów które mają wpływ na jej wynik
finansowy[x]. Dla rynku walutowego stosuje się wskaz
niki mówiące o koniunkturze
danej gospodarki (tej, której waluta jest przedmiotem zainteresowania). Często przez
fachowców takie wskaz
niki są nazywane po prostu makroekonomicznymi.
Nie sposób stwierdzić, które z podejść (analiza fundamentalna, czy analiza
techniczna) ma większe znaczenie, wszystko zależy od rynku, jego specyfiki. Przy
budowie systemów transakcyjnych stosowane są raczej wskaz
niki analizy technicznej,
gdyż analiza fundamentalna wymaga szerszego spektrum spojrzenia na rzeczywistość.
15
Jak udowodnię dalej system oparty na analizie fundamentalnej może stanowić
doskonałe wsparcie dla systemów technicznych.
16
2. SYSTEMY INFORMATYCZNE NA RYNKU
INWESTYCYJNYM
O tym, że opracowanie odpowiednich strategii inwestycyjnych pozwala na
zarabianie stałe na rynkach finansowych przekonują postacie znanych na całym świecie
rekinów giełdowych. Dobrym przykładem jest jeden z najbogatszych amerykanów,
finansista Warren Buffet. Zdobył on swoją fortunę inwestując kilka dolarów w akcje
Coca-Coli[x]. Obecnie kierowana przez niego firma obraca miliardami dolarów. Choć
istnieje wiele fortun zrobionych poprzez inwestycje giełdowe, na drugiej szali jest
znacznie więcej bankructw i tragedii ludzkich. Na trwałe w historie wielu domów
maklerskich wpisały się samobójstwa ludzi, którzy na giełdzie stracili wszystko. Giełda
dalej pozostaje nieujarzmiona, a około 80% graczy jak mówią statystyki[x] regularnie
traci swoje pieniądze (bankrutuje). Jednym ze spektakularnych przykładów bankructwa
jest osoba Nicka Leesona, który poprzez ryzykowne transakcje doprowadził do upadku
jednego z największych i najbardziej renomowanych banków brytyjskich Barings[x].
Dokonywał on transakcji na rynku kontraktów terminowych giełdy japońskiej.
Inwestując ostrożnie i z rozwagą zarobił miliardy, idąc za ciosem zaryzykował i stracił
wszystko. Skazany na sześć i pół roku więzienia stał się jedną z najtragiczniejszych
postaci świata finansów. Jakie są przyczyny tak zatrważających statystyk? Dlaczego
zarabia tak niewielu, a traci tak wielu?
Jak wcześniej wspomniałem wskaz
niki analizy technicznej generują nam
sygnały, które przetworzone w odpowiedni sposób pozwalają na dokonywanie
transakcji. Dlaczego więc dzieje się tak, że tak duży odsetek grających traci swoje
pieniądze, rujnuje swoje fortuny? Odpowiedzi na to pytanie szuka wielu specjalistów z
różnych dziedzin. W środowiskach akademickich do niedawna panowało przekonanie,
że nie można przewidywać do końca zachowania rynku. Podjęto nawet kilka
eksperymentów mających potwierdzić tą tezę[x]. Jednak ludzie związani z praktycznie
z giełdą podważają teorie akademicką twierdząc, że konsekwentnie stosując strategie
inwestycyjną można osiągnąć wymierne rezultaty. Potwierdzeniem tych tez mogą być
wyniki finansowe generowane przez rekinów giełdowych.
17
Większość uczestników rynku ma opracowaną strategię inwestycyjną. Nie
ważne, jakie ma ona podstawy, lecz w większości przypadków jest przemyślana i
usytuowana na mocnych fundamentach. Najwięcej trudności sprawia jednak
zastosowanie wypracowanej wcześniej strategii. Psychologia zajmuję się tym
zjawiskiem od dawna, starając się opracować różne wzorce zastosowań gracza
giełdowego. Faktem jest, że psychologia rynku odgrywa znaczącą rolę w
podejmowaniu decyzji przez tradera. Jak widać opracowanie odpowiedniego systemu
transakcyjnego czy też inwestycyjnego to dopiero połowa sukcesu. Aby skutecznie
spekulować na rynku należy zdać sobie sprawę, że zachowanie cen na giełdzie podlega
całkowicie mechanizmowi podaży i popytu, a analiza techniczna jest narzędziem
pozwalającym na monitorowanie i przewidywanie zachowań tłumu, który uczestniczy
w rynku. Homo est animal sociale (Człowiek jest istotą społeczną), bez odpowiedniego
treningu i przygotowania ulega błędnym reakcjom kupując wbrew temu, co mu mówi
system, dlatego doskonałość strategii nic tu nie da. Bardzo częstą praktyką jest
kupowanie na szczytach i sprzedawanie w dołkach. Graczowi wydaje się, że nastąpi
wzrost notowań, chociaż jego system mówi coś zupełnie odmiennego. Patrząc na
wykresy nie może ulec presji szybkiego zarobku, pomimo wskazań systemu zawiera
transakcję kupna. Niestety na rynku zaczęły panować niedz
wiedzie i gracz stracił swój
kapitał. Jeśli dysponuje jeszcze wolnymi środkami na rachunku, bardzo często zdarza
się, że po uprzedniej stracie psychika gracza jest nastawiona na odrobienie środków.
Nie mając sygnałów do rozpoczęcia handlu gracz i tak zajmuje pozycję lokując jeszcze
więcej kapitału niż poprzednio, gdyż, jeśli mając 1000$ stracił 10% i zostało mu 900$,
aby odrobić stratę musi zarobić około 12%. Takie zachowanie bardzo często kończy się
bankructwem. Innym tragicznym w skutkach a mającym działanie psychologiczne
problemem gracza giełdowego jest brak akceptacji straty. Początkującym uczestnikom
rynku sprawia bardzo dużo trudności odróżnienie straty od przegranej. Często ma
miejsce sytuacja, gdy gracz pomimo spadających cen nie sprzedaje swoich udziałów,
choć wszystko wskazuje na to, iż ceny na rynku w dalszym ciągu będą spadać. Tak ja w
poprzednim przypadku takie zachowanie doprowadza do bankructwa. Przypadki
podobne do powyższych jak i również wiele innych zostało opisanych w [x], czy też w
[x]. Rysunek [x] zaczerpnięty z [x] doskonale przedstawia wpływ emocji na
zachowanie tradera. Schematy zachowań uczestników rynku przedstawiono w [x].
18
Rysunek[x] Emocje przy podejmowaniu transakcji.
Ludzie poddają się zachowaniom zbiorowym i niektóre działania społeczności
rynkowej mogą być bardzo irracjonalne i niewytłumaczalne, potwierdzeniem tej tezy
jest krach na giełdzie amerykańskiej w 1987 r., który w ocenie wielu ekonomistów nie
doczekał się dotychczas wyczerpującego racjonalnego wyjaśnienia[x]. Od lat
siedemdziesiątych ubiegłego wieku rozwija się dziedzina nauki zwana behawioryzmem
finansowych zajmująca się badaniem i przewidywaniem zachowań inwestorów w
oparciu o wiedzę dotyczącą poznawczych i emocjonalnych procesów funkcjonowania
umysłu człowieka[x]. Przeprowadzono różnorakie badania, których wyniki wskazują,
że psychologiczne podstawy procesu decyzyjnego gracza na rynku giełdowym są
bardzo złożone.
2.1 AUTOMATYCZNE SYSTEMY TRANSAKCYJNE
Rozwiązaniem opisanych powyżej, jakże ważnych dla tradera kwestii są
automatyczne systemy transakcyjne, które nadzorowane przez komputer nie ulegają
19
wpływowi emocji, działają tak jak sobie życzy ich twórca. Aby tworzyć takie systemy
należy mieć odpowiednie oprogramowanie. Na rynku jest wiele programów, które
umożliwiają projektowanie i wdrażanie takich systemów. Niestety takie
oprogramowanie jest bardzo często drogie. Z punktu widzenia zwykłego uczestnika
rynku, który nie zna, lub zna, ale w bardzo niewielkim stopniu języki programowania,
oprogramowanie takie daje duże możliwości, jednak z punktu widzenia informatyka
zaznajomionego z C++, C#, czy Java oprogramowanie takie staje się niewystarczające.
W ostatnim czasie na rynku pojawiło się wiele z takich narzędzi. Między innymi
wymienić można: Wealth Lab, Metastock, Metatrader, Deal Book, Tradestation, i inne.
Niektóre z nich pozwalają nawet na programowanie systemów w wbudowanym języku
programowania. Szerszy opis narzędzi można znalez
ć w rozdziale trzecim niniejszej
pracy.
Mówiąc o automatycznych systemach transakcyjnych należy wspomnieć o ich
zaletach. W poprzednim podrozdziale umyślnie wspomniano o roli psychologii na
rynku. Systemy działające mechanicznie pozwalają uniknąć emocji i stresu, na który
narażony jest uczestnik rynku, a które, jak wcześniej udowadniałem mają ogromny
wpływ na decyzje. Automatyczne podejmowanie transakcji przez komputer pozwala
również na zaoszczędzenie czasu, nie wszyscy mogą sobie pozwolić na ciągłą
obserwacje wykresów giełdowych. System automatyczny nie wymaga od gracza
ciągłego uczestnictwa w procesie podejmowania decyzji rynkowych. Komputer może to
zrobić automatycznie, a gracz tylko w określonych godzinach będzie sprawdzał, jakie
system osiągnął wyniki i jak się w danej sytuacji zachowywał. Kolejną niewątpliwą
zaletą systemów mechanicznych jest konsekwencja, z jaką stosują zaprojektowaną
strategię. Jak pokazują badania człowiek ma z tym ogromny problem. Komputer nie bez
ingerencji człowieka nie pozwoli sobie na zmianę parametrów systemu nawet gdy jego
wyniki na początku nie będą imponujące. Przedstawiając zalety systemów nie sposób
wspomnieć o wadach oraz o uprzedzeniach graczy. Starsi uczestnicy rynku
przyzwyczajeni do tradycyjnych metod analizowania kursów, czyli kartki i ołówka,
choć zauważają zalety komputerów w procesie analizy, to nie wyobrażają sobie
sytuacji, w której komputer sam dokonuje transakcji. Ciężko im jest zaakceptować, że
to maszyna podejmuje decyzje. Często wymienianą w wielu opracowaniach wadą
mechanicznych systemów transakcyjnych jest ich oporność na wszelkie zmiany. Rynek,
20
ponieważ jest kreowany mechanizmami popytu i podaży, jest organizmem
dynamicznym. Reakcje rynku są odzwierciedleniem zachowań ludzi w nim
uczestniczących. Dlatego kursy mogą się czasem zachowywać dziwnie i wbrew
wszelkim oczekiwaniom. Rozwiązaniem tego problemu jest stworzenie systemu
adopcyjnego, tak, aby mógł on być łatwo dostosowywany do sytuacji panującej na
rynku. Odrębną kwestią jest odpowiednie zarządzanie kapitałem przez system, aby w
razie sytuacji kryzysowej poniesiona strata nie była dotkliwa.
Testując systemy mechaniczne należy zwrócić uwagę na to, w jaki sposób
przebiega krzywa kapitału, jaki jest jego maksymalny obsuw, ile było procentowo
transakcji zyskownych, ile jest transakcji długich i krótkich. Jeśli testujemy systemy i
patrzymy na wynik możemy w rzeczywistości doznać rozczarowania. Może dojść do
sytuacji, w której system będzie cały czas na minusie i całą stratę odrobi w jednej
transakcji. Na rysunku 2 widać jak przebiegły krzywe kapitału poszczególnych
systemów.
10300
10200
10100
10000
System X
9900
System Y
9800
9700
9600
9500
1 3 5 7 9 11
Miesiąc
Rysunek[x] . Krzywe przebiegu kapitału dwóch różnych systemów.
Jak można łatwo zauważyć system X pomimo tego, że w okresie dwunastu miesięcy
poradził sobie równie dobrze jak system Y, miał o wiele więcej wahań kapitału niż
system oznaczony na rysunku linią przerywaną. Żaden gracz nie wytrzymałby takiej
presji psychicznej i wycofałby swój kapitał już w trzecim miesiącu inwestycji. Przy
takim spadku kapitału kierowanie się emocjami jest nieuniknione. Automatyczny
21
Kapitał [PLN]
system nie będzie się kierował emocjami, jeśli będzie miał odpowiedni sygnał wycofa
kapitał, aby uniknąć dalszej straty. Jeśli jednak sygnały z rynku analizowane przez
system będą mówić, że cena zmieni się w korzystnym dla tradera kierunku, system dalej
przetrzyma kapitał, czekając na nadchodzące zyski.
2.2 PRZYKA
AD SYSTEMU TRANSAKCYJNEGO
(SYSTEM HANDLU PARAMI)
System handlu parami (Pair Trading) w tradycyjnym podejściu opiera się na
strategii hedgingu, czyli zabezpieczania jednej otwartej pozycji inną. Asekuracja
osiągnięta w ten sposób pozwala na minimalizację strat[x]. Ogólnie rzecz biorąc handel
parami jest strategią o bardzo małym ryzyku. Zastosowane w artykule podejście nie
polega na stosowaniu drugiej pozycji jako zabezpieczenia, lecz na zarabianiu na
częstych ruchach poszczególnych pozycji. Na rynku Forex jest to możliwe ze względu
na jego specyfikę. Wahania cen są na tyle duże, że odpowiednie stosowanie strategii
może przynieść wymierne rezultaty.
Opracowana metodologia handlu parami walut opiera się na policzeniu wskaz
nika
Spreadu, czyli określanie w jaki sposób zachowuje się jedna para w stosunku do drugiej
pary. Ważne, że w handlu walutami przyjęto operować pojęciem kwotowania, co w
gruncie rzeczy może być potraktowane jako cena jednej waluty w stosunku do drugiej.
Dlatego w dalszym ciągu w celu uproszczenia będziemy stosowali pojęcie ceny jako
kwotowanie. Spread może być stosowany jako sygnał do zajmowania pozycji długiej
(kupna), lub krótkiej(sprzedaż)[x]. Wskaz
nik ten może być liczony na wiele sposobów.
W zaprezentowanym podejściu liczymy go następującą metodą:
Obieramy pewien punkt w czasie t0, który będzie punktem bazowym do obliczania
Spreadu.
Następnie przesuwamy się od punktu t0 do następnych n barów (odcinków czasu
wybranych jako jednostki dyskretyzacji procesu handlu w czasie) dzieląc bieżącą
cenę zamknięcia przez cenę zamknięcia z baru t0
Gdy ti=tn, wtedy nasz punkt bazowy przesuwa się o n barów do przodu
Dla drugiej pary walu robimy to samo
22
 Spread obliczamy odejmując poszczególne wartości zmiany dla jednej i drugiej pary
walut
Za pomocą wzoru można to zaprezentować w ten sposób:
�ł �ł �ł �ł
t1i t2i
�ł �ł
si = - �ł �ł
,
�ł �ł �ł �ł
t10 t20
�ł łł �ł łł
gdzie
si - wartość wskaz
nika spreadu dla i-tego bara;
t1i  cena zamknięcia dla pierwszego kursu dla i-tego bara;
t10  punkt bazowy dla pierwszego kursu;
t2i  cena zamknięcia dla drugo kursu dla i-tego bara;
t20  punkt bazowy dla drugiego kursu.
Dla par walut działa to w następujący sposób: Przypuśćmy, że rozpatrujemy dwie pary
walut EUR/USD i USDCHF, obieramy sobie konkretny punkt w czasie i sprawdzamy
cenę zamknięcia dla każdej z par w tym punkcie, będzie to nasza cena bazowa.
Zakładając, że pracujemy na 30 minutowych barach, w następnym kroku przesuwamy
się o 30 minut do przodu. Dzielimy cenę zamknięcia z punktu bieżącego przez cenę
zamknięcia z punktu bazowego, na przykład:
Cena zamknięcia EUR/USD z godziny 15:30 wynosiła 1.2946 (t10)
Po 30 minutach cena ta zmieniła się na 1.2955 (t1i)
Cena zamknięcia USD/CHF z godziny 15:30 wynosiła 1.1799 (t20)
Po 30 minutach cena ta zmieniła się na 1.1793 (t2i)
si=(1.2946/1.2955)-(1.1799/1.1793)
si= -0,00121
23
Rysunek [x]. Schemat wyliczenia Spreadu, jako różnicy zmiany cen walut EUR/USD i
USD/CHF
Na rysunku[x] przedstawiony jest Spread pomiędzy cenami zamknięcia dla dwóch par
30 minutowych EUR/USD i USD/CHF. Jak można zauważyć w punkcie A następuje
względny wzrost ceny EUR/USD a spadek ceny USD/CHF. Wzrost pierwszej pary jest
większy niż spadek drugiej pary, znaczy to, że pierwsza para jest przewartościowana w
stosunku do drugiej. Na wykresie Spreadu jest to pokazane poprzez wzrost wskaz
nika
powyżej linii zera. Jeżeli wskaz
nik Spreadu znajduje się poniżej linii zera, oznacza to
sytuację odwrotną. Jeżeli wskaz
nik oscyluje wokół linii zera mamy do czynienia z
sytuacją, kursy poruszają się z taką samą siłą.
Aby zajmować pozycje na rynku za pomocą wyżej przedstawionych założeń
należy opracować system informatyczny. Dla opracowania systemu zastosowano
przedstawiony powyżej wskaz
nik Spreadu. Strategia podejmowania decyzji w ramach
proponowanego systemu oparte jest na obliczeniu wstęg Spreadu (Spread Bands).
Podejmowanie decyzji o kupnie lub sprzedaży będzie realizowane, gdy wskaz
nik
przetnie górną lub dolną wstęgę. Jak wcześniej zanotowano handel parami może być
realizowany na kilka sposobów. W dalszym ciągu będziemy opierali się na zasadach
opisanych w [x]. Schemat podejmowania decyzji zaprezentowany jest na rysunku [x].
24
0
A B
Rysunek[x]. Podejmowanie decyzji o kupnie i sprzedaży na podstawie Spreadu
Jak widać na Rysunku [x] system podejmuje decyzje otwarcia pozycji długiej w
punkcie A dla pary EUR/USD, a pozycji krótkiej dla pary USD/CHF przy wybiciu się
Spreadu ponad granicę górnej wstęgi, zamknięcie pozycji następuje, gdy wykres
Spreadu przecina linię zera(punkt B). Jak widać na rysunku [x], system osiągnął zyski.
Cały system opiera się na obliczeniu linii wstęg (SB), w celu wygenerowania sygnału
otwarcia pozycji.
Proponowane jest, aby linię wstęg obliczyć w następujący sposób:
SB = a*(HV1+HV2)*(1-R) , (2)
gdzie:
a  współczynnik normalizacji;
HV1  odchylenie standardowe ceny zamknięcia dla pierwszej pary z n okresów;
25
ZYSK
ZYSK
HV2  odchylenie standardowe ceny zamknięcia dla drugiej pary z n okresów;
R  korelacja liniowa pomiędzy cenami zamknięcia z n okresów.
Liczba okresów(barów) dla wyliczenia odchylenia standardowego i dla korelacji jest
taka sama i wynosi n. Parametr a jest parametrem adaptacyjnym, który powinniśmy
znalez
ć jako wartość dostarczająca maksymalne zyski na danych historycznych, przy
realizacji strategii handlu dwoma parami walut w oparciu na wzorze (2).
W zgodności z zasadami handlu parami system mechaniczny powinien działać
skutecznie dla par, które mają dosyć wysoką korelację ogólną ujemną na przykład dla
par EUR/USD i USD/JPY. Żeby system mógł działać w innych przypadkach należy
odpowiednio zmienić reguły otwierania pozycji. Dla par wysoko skorelowanych system
nie będzie w ogóle otwierał pozycji, ponieważ Spread nigdy nie wybije się do
odpowiedniego poziomu. Prawidłowe obliczenie linii wstęg gwarantuje zyski.
Obliczanie SB opiera się na podstawowym wskaz
niku zmienności dla każdej pary jakim
jest odchylenie standardowe. Sumując odchylenia uzyskujemy wartość, która jest
miernikiem zmiany ceny zamknięcia dla każdej z par. Współczynnik korelacji będzie
przesuwał linię wstęgi odpowiednio do góry lub do dołu, w zależności od tego jaki
będzie współczynnik korelacji (dodatni czy ujemy). Jeżeli współczynnik korelacji
będzie dodatni, wtedy pomnożymy przez wartość większą od jedynki, co spowoduje, że
linia wstęgi przesunie się do góry, jeżeli natomiast współczynnik korelacji będzie
ujemny z wyrażenia (1-R) osiągniemy wartość mniejszą od jedynki co spowoduje, że
linie wstęgi będą się znajdowały poniżej zera. Jeżeli ceny zmieniają się w tym samym
kierunku, czyli na przykład rośnie cena pierwszej pary i rośnie cena drugiej pary, wtedy
korelacja będzie względnie wysoka i linia wstęgi przesunie nam się do góry, Spread
musi być dostatecznie duży, aby przebić linię wstęgi i wygenerować sygnał.
Strategie handlu dwoma parami można zdefiniować następująco:
Przy przebiciu linii wstęgi od dołu (patrz rys x) generowany jest sygnał
kupowania pierwszej pary i sprzedaży drugiej pary walut. Jeśli wskaz
nik Spreadu wróci
do linii zera wtedy zamykamy pozycję, to znaczy sprzedajemy parę A i odkupujemy
parę B.
26
SB
Rys [x] Sygnał: kupuj A sprzedaj B
Analogicznie do sytuacji powyżej, przy przebiciu linii wstęgi od dołu (patrz rys [x])
dokonujemy zakupu pary B a sprzedajemy parę A, zamykamy pozycję gdy Spread
powróci i przebije linię zera.
SB
Rys [x] Sygnał: kupuj B sprzedaj A
Algorytm systemu dla par A i B można przedstawić w następujący sposób:
oblicz S
oblicz SB
if (pozycja otwarta)
{
if (S>SB)
Long A Short B
if (S<-SB)
Long B Short A
}
else
{
if(S<0 and Long A)
close A close B
if(S>0 and Long B)
close B close A
}
27
Jak widać algorytm systemu nie jest skomplikowany. Jest on jednak dobrym
przykładem na system inwestycyjny. Aby udowodnić, że system jest skuteczny
zaprezentuję wyniki jego działania przed optymalizacją oraz po optymalizacji.
Przed przeprowadzeniem mechanizmu optymalizacji dokonano wyboru wartości
parametru adaptacyjnego a oraz głębokości analizy n w sposób ręczny (heurystyczny) w
oparciu na własnych doświadczeniach dla oceny dopuszczalnych granic wartości tych
parametrów w zakresie których jest sens poszukiwać rozwiązania optymalizacji. Przy
tym otrzymane wynik pośrednie pozwalające ocenić możliwości adaptacyjne systemu
jako zadawalające. Dla ilustracji rozważmy rezultaty otrzymane dla następującyh
parametrów systemu: n=24, a=1, pips = 10USD, depozyt 1000USD dz
wignia
standardowa 1:100. Dla uproszczenia nie uwzględniono kosztów transakcji (mimo
deklaracji na rynku Forex firmy brokerskie otrzymują pewien mały zysk od każdej
transakcji operując różnicą tak zwanych cen Bid i Ask), oraz tak zwanych warunków
marginalnych służących do zabezpieczenia kapitału. Czas symulacji: od 2004-07-14 do
2004-07-22. Podjęcie decyzji dokonywane na podstawie 30 minutowych barów.
Rezultaty przedstawione w tabeli 1, gdzie dla porównania pokazano wyniki osiągnięte
za pomocą strategii biernej Buy&Hold, polegającej na kupnie i oczekiwaniu do
określonego momentu.
Tabela [x]. Wyniki systemu Pair Trading przed optymalizacją.
Buy & Hold A+B
Zysk 2270 $ 658 $
Ilość otwartych pozycji 38
Ilość trafnych transakcji 25
% trafnych pozycji 65,79%
Ilość błędnych transakcji 13
% błędnych transakcji 34,21%
Największa strata -750 $
Jak widać z tabeli 1 nawet do optymalizacji proponowany system działa o wiele
efektywniej niż zwykle używane do porównywania strategie Buy&Hold. Przy tym
główną wadą systemu jest duża strata w jednej transakcji, jest to widoczne na rysunku.
28
0
A B C
Rysunek [x]. Przykład nieudanej decyzji system doprowadzającej do dużej straty
System otwiera pozycję w punkcie A sprzedając parę EUR/USD i kupuje parę
USD/JPY. Zamykając pozycję w punkcie C przynosi stratę, zarówno na jednej jak i na
drugiej parze. Wygenerowany sygnał jest błędny. Jeśli system otworzył by pozycję w
punkcie B i zamknął ją w punkcie C, wtedy nie przyniósł by straty lecz niewielki zysk.
W punkcie A wartość wstęgi jest za mała i w ten sposób generuje się błędny sygnał.
Problem polega na tym, że w sposób  ręczny nie uda się dobrać takiej wartości
parametrów n oraz a, które by jednocześnie pozwalały maksymalizować zyski przy
minimalizacji maksymalnych dopuszczalnych strat. Jest to problem, który w znacznej
mierze rozwiązany jest w ramach opracowanej metody, za pomocą optymalizacji.
Zagadnienie optymalizacji w ramach opisanego powyżej modelu handlu można
formalizować następująco:
(a, n) = arg(maxa,n Z (a, n)), (3)
opt
gdzie a "[1,10];n"[4,50] .
"[ ] "[ ]
"[ ] "[ ]
"[ ] "[ ]
29
Dla rozwiązania zagadnienia optymalizacyjnego (3) używamy tak zwanej direct
search method[x]. Jest ona jedną z najbardziej popularnych odmian metod opartych na
losowaniu, do których należą też algorytmy genetyczne. Mimo niezwykłej popularności
algorytmów genetycznych, w pracy[x] udowodniono, że dla zagadnień
charakteryzujących się nieliniowym skomplikowanym zachowaniem funkcji docelowej
(w naszym wypadku Z(a,n)) właśnie wybór direct search metod jest najlepszym
rozwiązaniem.
Używając opisanej powyżej metody optymalizacji najlepsze wyniki
(maksymalizujące zyski) otrzymano dla zysku dla następujących wartości parametrów:
a=3 i n=12. Wyniki systemu uzyskane po optymalizacji są przedstawione w Tabeli 2.
Tabela [x]. Wyniki systemu Pair Trading po przeprowadzonej optymalizacji.
Buy & Hold A+B
Zysk 4020 $ 658 $
Ilość otwartych pozycji 26
Ilość trafnych transakcji 21
% trafnych pozycji 80,77%
Ilość błędnych transakcji 5
% błędnych transakcji 19,23%
Największa strata -160 $
Mimo tego, że metoda Pair Trading była opracowana wyłącznie dla organizacji
handlu na rynku papierów wartościowych, udowodniłem, że przy odpowiedniej
modyfikacji metodologii polegającej na organizacji transakcji jednocześnie na 4
walutach pozwala na otrzymanie efektywnej i zyskownej strategii handlu na rynku
Forex. Proponowany system wspomagania decyzji tradera na rynku walutowym Forex
przy tym zalety nowego podejścia mogły by być w pełni realizowane wyłącznie, gdy
używane są metody optymalizacyjne, przy tym możliwe otrzymanie zysków, co
najmniej 5 razy większych niż przy używaniu pasywnej strategii Buy&Hold.
30
3. PREZENTACJA OPROGRAMOWANIA
SLUŻ
CEGO DO REALIZACJI
AUTOMATYCZNYCH SYSTEMÓW
INWESTYCYJNYCH
W poprzednim rozdziale pokazałem, że odpowiednio stworzone i
zaprogramowane systemy transakcyjne mogą przynosić profity na rynkach
finansowych. Aby stworzyć taki system można skorzystać z najbardziej prymitywnych
narzędzi takich jak długopis i karta papieru, jednak przy dużej ilość obliczeń
matematycznych generowanych przez taki system, będzie to bardzo czasochłonnej i
skuteczne używanie systemu transakcyjnego stanie się niemożliwe. Aby stworzyć
system transakcyjny w chwili obecnej stosuje się komputery wyposażone w
odpowiednie oprogramowanie do kodowania systemów inwestycyjnych[x]. Na rynku
istnieje wiele rodzajów programów wspomagających pracę tradera. Różnią się ona
zarówno stopniem skomplikowania jak i funkcjonalności, którą oferują użytkownikowi.
Oprogramowanie takie można podzielić na trzy zasadnicze grupy: komercyjne,
komercyjne udostępniane za darmo dla klientów konkretnego brokera, darmowe 
często pisane samodzielnie przez programistów pasjonatów udostępniane na licencji
GPL. W rozdziale tym postaram się przedstawić kilka najbardziej popularnych
programów stosowanych przez traderów na całym świecie. Zaczynając od jednego z
najbardziej zaawansowanych (WelthLab), poprzez nieco uboższy i zorientowany
typowo na rynek walutowy (MetaTrader) do systemu powstałego z moim udziałem
TMM, który choć funkcjonalności nieco odbiega od swoich poprzedników, ma nad nimi
zdecydowaną przewagę, jeśli chodzi o projektowanie automatycznych systemów
transakcyjnych. Jest on zaprogramowany w języku C++ (w chwili obecnej trwają prace
nad rozszerzeniem funkcjonalności oprogramowania i dodaniu obsługi nowych rynków,
do czego jest niezbędne przepisanie systemu w język JAVA), co pozwala
zaprogramować praktycznie każdy system inwestycyjny.
31
3.1 PREZENTACJA OPROGRAMOWANIA WEALTH
LAB DEVELOPER
Oprogramowanie firmy Wealth Lab[x] było jednym z pierwszych programów
umożliwiających profesjonalną analizę techniczną i tworzenie systemów
inwestycyjnych za pomocą komputera domowego. Od kilkunastu lat jest ono
nieustannie rozwijane i dodawane są do niego nowe funkcje. Obecnie najnowszą wersją
oprogramowania WLD jest wersja 4.0. Obok WLD powstało wiele innych programów
wspomagających i testowanie systemów inwestycyjnych, są to najczęściej nakładki na
oprogramowanie macierzyste.
Należy zaznaczyć, że jest to oprogramowanie płatne, dostępne jednak w wersji z
ograniczeniami. Każdy może sobie ściągnąć wersję demo oferującą dosyć dużą
funkcjonalność i zaprogramować swój własny system inwestycyjny.
Oprogramowanie Wealth Lab Developer zasadniczo dzieli się na kilka części:
- moduł do obsługi danych
- moduł do wizualizacji danych (wykresy)
- moduł do obsługi strategii (programowanie, testowanie, optymalizacja)
- dodatkowe narzędzia (np. portfolio manager)
Nie będę opisywał wszystkich funkcji, które są dostępne w tymże oprogramowaniu,
gdyż nie to jest celem mojej pracy, skupię się na funkcjach umożliwiających tworzenie
systemów inwestycyjnych, ich programowaniu i optymalizacji.
Aby zaprogramować system inwestycyjny na platformie Wealth Lab Developer
należy zapoznać się z językiem programowania jaki oferuje ta platforma[x]. Język ten
jest podobny do Pascala i oferuje bardzo duże możliwości (pętle, instrukcje warunkowe
itp., a nawet tworzenie obiektów), dodatkowo ma wbudowanych masę funkcji
umożliwiających rysowanie wykresów, dostęp do danych, czy też zajmowanie pozycji
na rynku. Zaprogramowanie systemu, dla programisty nie jest zbytnio skomplikowane,
jednak dla finansisty może się to okazać na tyle trudne, że zrezygnuje on z tej funkcji
Wealth Lab Developer-a i będzie szukał innych narzędzi, które są prostsze w użyciu.
Oprogramowanie to oferuje kompilator kodu z
ródłowego, wraz z obsługą błędów, co
32
jest bardzo ważne z punktu widzenia programistycznego, gdyż kody systemów mogą
być znacznie rozbudowane. O tym, że system ma zaawansowane możliwości, jeśli
chodzi o programowanie systemów świadczyć mogą wypowiedzi na forach
internetowych, gdzie użytkownicy oceniają to oprogramowanie jako najlepsze na
rynku[x]. W dodatku do pracy prezentuję kody skryptów napisanych w tymże
oprogramowaniu.
Następnym etapem po zaprogramowaniu systemu w tymże oprogramowaniu jest
jego testowanie. W tym etapie, podobnie jak w poprzednim oprogramowanie Wealth
Lab Developer oferuje spore możliwości, testowanie jest przeprowadzane na danych
historycznych (tak zwane back testy), jak i również gotowy system można uruchomić w
symulatorze testując jego skuteczność rynku. Do tego jednak potrzebne są dane z rynku.
I w tym wypadku WLab wychodzi naprzeciw inwestorom. Istnieje możliwość
podłączenia do oprogramowania zewnętrznego z
ródła danych np. z eSignal[x]. W
Polsce, również są dostępne z
ródła danych pozwalające na zaimportowanie danych z
Warszawskiej Giełdy Papierów Wartościowych, jedyną trudnością na dzień dzisiejszy
jest to, że nie można dokonywać transakcji za pomocą Wealth Laba na giełdzie w
Warszawie, jednak może on służyć do generowania sygnałów. Przetestowanie systemu
jest przeprowadzone bardzo dokładnie, a wyniki testowania są nanoszone na wykres
kursu (pokazuje otwarte i zamknięte pozycje) oraz na wykres krzywej kapitału
(pokazuje wynik systemu w zależności od strategii pasywnej Buy&Hold). W wyniku
testowania systemu otrzymujemy wiele parametrów pomocnych przy ocenie jego
działania: ilość zajętych pozycji, ilość zajętych pozycji długich, ilość zajętych pozycji
krótkich, stosunek pozycji, które przyniosły zysk, do tych które przyniosły stratę, ilość
kapitału przed i po działaniu systemy i inne. Szczególną uwagę należy zwrócić na listę
pozycji zajętych przez system, przy każdej z nich jest informacja o cenie otwarcia i
zamknięcia pozycji, wielkości pozycji, dacie, proficie z tejże pozycji, zmianie kapitału
w wyniku zajęcia pozycji, maksymalne obsunięcie kapitału i innych. Jak widać
narzędzie, jest rozwinięte i pozwala na zaawansowane metody testowania systemów
inwestycyjnych, wraz z przedstawianiem wyniku systemu w postaci graficznej. Opisane
powyżej narzędzia stają się nieodzowne przy analizie działania wcześniej napisanego
systemu. Poniżej przedstawiono zrzut ekranu ze zmiany kapitału systemu opisanego
w[x], testowanego dla spółki IBM w okresie od& . do& ..
33
Rysunek[x]. Wizualizacja wyników systemu inwestycyjnego na platformie WLab
Developer.
Kolejnym ważną funkcją oprogramowania Wealth Lab Developer jest
możliwość optymalizacji konkretnego systemu transakcyjnego. Istnieje możliwość
optymalizacji systemu w dwojaki sposób: metodą Monte Carlo[x], lub metodą
przeszukiwania. Pierwsza z metod jest najczęściej stosowana, ponieważ jest dosyć
szybka i nie wymaga zbyt silnego komputera, nawet dla dosyć skomplikowanych
systemów. Druga metoda opiera się na przeanalizowaniu działania systemu dla
wszystkich możliwych kombinacji, co przy mnogości parametrów inwestycyjnych
może się okazać strasznie czasochłonne, a dla skomplikowanych systemów wręcz
niemożliwe. Po przeprowadzeniu procesu optymalizacji użytkownik ma do dyspozycji
wyniki wszystkich kombinacji przeprowadzonych podczas procesu optymalizacji. Jest
to bardzo pomocne, ponieważ można wyodrębnić zbiór interesujących parametrów ze
względu na kluczowe dla systemu czynniki (maksymalny zysk, maksymalne obsunięcie
kapitału, ilość zajętych pozycji, ilość pozycji, które przyniosły zysk i inne).
Podsumowując Wealth Lab Developer jest oprogramowaniem zaawansowanym
skierowanym do traderów, którzy uczestniczą w rynku od jakiegoś czasu.
Rozbudowany język programowania daje dosyć duże możliwości, jednak ma też swoje
ograniczenia i dla zaprogramowania skomplikowanych rozwiązań wymaga wielu
wybiegów, łącznie z użyciem zewnętrznych programów napisanych w Javie czy w C++.
Niewątpliwą zaletą jest moduł testowy i optymalizacyjny ułatwiający i przyspieszający
pracę nad systemami, z powodu tych właśnie funkcji oprogramowanie firmy Wealth
Lab jest bardzo często wybierane przez użytkowników.
34
3.2 OPIS PLATFORMY METATRADER
Koleją zaprezentowaną platformą jest MetaTrader. Jest ona rozprowadzana na
innych zasadach niż WLab. Każdy może ją ściągnąć za darmo ze strony producenta[x],
jednak, aby z niej korzystać należy mieć konto na serwerze brokera. Sama platforma ma
ograniczone możliwości jeśli chodzi o importowanie danych zewnętrznych. Na chwilę
obecną platforma jest stosowana przede wszystkim przez brokerów forexowych, ale
zaczyna być widoczna tendencja do adaptacji tej platformy również na rynki giełdowe.
W porównaniu z poprzednim programem MetaTrader jest o wiele mniej funkcjonalny.
Podobnie jak poprzednik składa się z modułów. Użytkownik ma do dyspozycji moduł
kwotowania, prezentacji danych za pomocą wykresów, moduł do zawierania transakcji.
Ciekawostką jest, że implementacja własnych wskaz
ników, czy systemów
inwestycyjnych odbywa się w oddzielnej aplikacji, która jest zarazem edytorem i
kompilatorem. MetaTrader jest pod względem budowy systemów inwestycyjnych
bardzo zaawansowany. Oferowany oddzielny kompilator spisuje się wyśmienicie. Język
programowania MetaTradera nazwany MQL 4 przypomina C++, pozwala na
budowanie zaawansowanych konstrukcji. Poza podstawowymi operacjami, jak pętle,
czy instrukcje warunkowe MQL 4 oferuje wiele różnych wbudowanych funkcji
pozwalających na obliczanie wstęgi Bollingera, średnich kroczących, czy też innych
popularnych wskaz
ników analizy technicznej. Dla traderów znających języki
programowania stworzenie własnego systemu opartego na MQL 4 po zapoznaniu się z
dokumentacją techniczna jest proste. W sieci istnieje wsparcie dla społeczności
programującej swoje systemy na platformie MetaTrader[x].
Po zaprogramowaniu i skompilowaniu systemu można go uruchomić na
platformie dla danych rzeczywistych. Istnieje również możliwość testowania systemu
na danych historycznych. MetaTrader udostępnia moduł testowania strategii, nie jest on
tak zaawansowany jak w poprzednio opisywanej aplikacji, oferuje jednak funkcje, które
są warte przybliżenia. Trader może wybrać przedział danych na którym chce testować
swój system oraz metodę testowania (w zależności od wyboru metody testowanie
przebiega szybciej lub wolniej). Po testowaniu można obejrzeć wyniki system, w
postaci zmian krzywej kapitału oraz w postaci tabelarycznej, gdzie są uwzględnione
najważniejsze parametry (zysk, współczynnik zysku, ilość pozycji, maksymalne
35
obsunięcie kapitału itp.) MetaTrader dopuszcza optymalizację parametrów,
optymalizacja przeprowadzana jest tak zwaną metodą przeszukiwania (system testuje
wszystkie możliwie kombinacje). Kolejną ciekawą funkcją jest prezentacja działania
systemu na wykresie kursu, oprogramowanie w przystępny sposób zaznacza pozycje
jakie są zajmowane przez system. Całokształt działania systemu może być zapisywany
jako log do pliku (jest dostępna funkcja zapisu), ale również jest wyświetlany do okna
raportowania. Na poniższym zrzucie ekranu zaprezentowano działanie prostego
systemu opartego na wskaz
niku analizy technicznej opisywanym powyżej (MACD).
Poniżej okna wykresu prezentowana jest krzywa kapitału wygenerowana przez system.
Rysunek [x]. Okno testowania systemów transakcyjnych na platformie MetaTrader.
3.3 OPIS PLATFORMY TMM
Inną alternatywą dla systemów komercyjnych jest oprogramowanie darmowe,
często pisane przez zapaleńców, studentów, czy programistów hobbystów. Zaletą
takiego oprogramowania jest to, że często wraz z wersją instalacyjną jest również
udostępniana wersja z kodem z
ródłowym. Dlaczego, skoro są gotowe rozwiązania w
36
postaci oprogramowania wspomagającego pracę uczestników rynków finansowych,
tworzone jest w dalszym ciągu podobne oprogramowanie? Gotowe oprogramowanie nie
zawsze jest wolne od błędów, zdarzały się takie wypadki, gdzie oprogramowanie samo
zajmowało pozycję na rynku narażając na straty użytkownika. Drugim powodem jest to,
że choć oprogramowanie komercyjne posiada wbudowane języki programowania
(często dosyć skomplikowane) nie zawsze wystarcza ono do zaprogramowania strategii
inwestycyjnej. Powstające systemy inwestycyjne często są na tyle skomplikowane, iż
trzeba użyć wyrafinowanych technik programistycznych, jako przykład można podać
systemy używające do wspomagania decyzji sieci neuronowych i sztucznej
inteligencji[x]. Oprogramowanie inwestycyjne niekomercyjne najczęściej służy do
testowania gotowych strategii, co jednak zrobić, żeby umożliwiało ono automatyczne
zawieranie transakcji. Na pomoc przychodzą funkcje API, dzięki którym aplikacja
zaimplementowana przez informatyka może połączyć się z serwerem, ściągnąć dane
dotyczące cen, dokonywać transakcji na rynku. Przy zastosowaniu takich funkcji w
Zakładzie Systemów Informatycznych i Informatyki Ekonomicznej na Politechnice
Częstochowskiej powstaje system TMM, który napisany całkowicie z użyciem języka
C++, daje wręcz nieograniczone możliwości, jeśli chodzi o optymalizację, testowanie,
czy też wdrażanie automatycznych systemów transakcyjnych. Zastosowanie własnych
rozwiązań umożliwia programistom implementację tak wyszukanych metod jak: logika
rozmyta, systemy wielokryterialne, sztuczna inteligencja, czy też systemy oparte o sieci
neuronowe. Obecnie powstaje nowa wersja systemu, oparta języku JAVA, która
umożliwi większą niż dotychczas dywersyfikację rynków. Oba języki programowania
dają podobne możliwości jeśli chodzi o programowanie systemów transakcyjnych, toteż
dwie aplikacje będą miały podobną funkcjonalność.
37
Rysunek [x]. Okno wizualizacji danych na platformie TMM.
Na rysunku ponwyżej cen został przedstawiony wskaz
nik dwukryterialny
zaimplementowany w systemie. Jak widać TMM daje możliwość implementacji
własnych wskaz
ników analizy technicznej. Wskaz
niki te pisane w języku C++, mogą
być przez programistę kontrolowane w każdym stadium powstawania. Niestety inne
platformy, choć umożliwiają tworzenie własnych wskaz
ników, często są pozbawione
takiej opcji. Inną ważną zaletą TMM jest możliwość korekcji błędów. W przypadku
oprogramowania dostarczanego przez różne firmy, użytkownik dostaje rozwiązania
gotowe, jeśli zauważy błąd w działaniu takiego oprogramowania jest zmuszony bądz
do
aktualizacji, bądz
do interwencji u producenta oprogramowania. Należy pamiętać, że
chodzi o zainwestowany kapitał, a każdy błąd może mieć tragiczne skutki.
Jak widać system ten może być alternatywą dla często drogich komercyjnych aplikacji.
Choć funkcjonalność tegoż systemu będzie zapewne ograniczona.
Rynkiem, jaki obsługuje TMM jest na razie rynek Forex, ponieważ tylko na tym
tynku możliwe jest uzyskanie dostępu do funkcji API za darmo, jednak w perspektywie
jest rozszerzenie tej platformy na inne rynki. Już w chwili obecnej daje ona możliwość
wczytywania danych z pliku i analizy rynku akcji, rynków terminowych i innych
rynków instrumentów pochodnych. Niestety bez użycia funkcji API nie jest możliwe
38
zawieranie operacji na tych rynkach. Jednak taka możliwość pozwala na analizę
różnych rynków, dla których są publikowane dane i wyszukiwanie odpowiedniego
rynku do spekulacji. W dzisiejszych czasach jest to bardzo ważne, ponieważ nie zawsze
na danym rynku istnieją odpowiednie warunki do stosunkowo bezpiecznego handlu.
Rynki surowcowe, akcji, terminowe itp. są tak różnymi rynkami, istnieją na nich
odmienne trendy, ich długości, charakterystyki. Znalezienie odpowiedniego w danym
momencie rynku jest sprawą kluczową.
W chwili obecnej trwają prace nad modułem wspomagającym automatyczne
systemy transakcyjne, na początek zaimplementowano system Pair Trading opisany w
poprzednim rozdziale, jednak ze względu na przepisywanie oprogramowania na język
Java, prace nad modułem zostały wstrzymane, zostaną wznowione w najbliższym
czasie.
Jak widać z powyższych rozważań system TMM ma nieograniczone
możliwości, a język implementacji umożliwia jego przenośność na różne platformy
niezależnie od systemu, czy też sprzętu. Z punktu widzenia programisty, budowa
platformy jest bardzo przejrzysta, co umożliwia każdemu zainteresowanemu wgląd do
programu i jego modyfikację. Przejrzystość umożliwi również dołączanie do projektu
innych osób zainteresowanych. Obecnie na platformie mogą być uruchomione dwa
systemy automatyczne: opisany w rozdziale poprzednim system handlu parami oraz
system oparty na elementach teorii świadectw Dempstera-Shafera [x].
39
4. AUTOMATYCZNY SYSTEM INWESTYCYJNY,
SYNTEZA PODEJŚCIA TECHNICZNEGO I
FUNDAMENTALNEGO DLA RYNKU FOREX
W poprzednich rozdziałach pracy zaprezentowano możliwości analizy
technicznej oraz narzędzi, które wspomagają pracę każdego tradera. Pokazano również
kilka innych sposobów pozwalających na skuteczne inwestowanie na rynkach
finansowych (analiza fundamentalne, psychologia rynku). Aby zmaksymalizować zyski
minimalizując ryzyko należałoby zastosować połączenie wszystkich wymienionych
sposobów inwestowania. W tym rozdziale postaram się zaprezentować strategię
inwestycyjną, która realizuje założenia połączenia analizy technicznej, fundamentalnej
oraz zminimalizuje ryzyko czynnika ludzkiego. Opisany system będzie
zaprogramowany na platformie MetaTrader, dzięki czemu będzie go można uruchomić
automatycznie. System będzie działał na rynku walutowym Forex.
Jak wiadomo rynek walutowy jest bardzo wrażliwy na publikację wskaz
ników
makroekonomicznych, przy każdej takiej publikacji widoczne są wahania kursów danej
pary walut. Zaprojektowany system inwestycyjny operował będzie na rynku
amerykańskim, dlatego zbiór badanych wskaz
ników ogranicza się do tych, które
publikowane są w Stanach Zjednoczonych. Aby zbudować strategię należy wybrać
tylko te z nich, które wywołują reakcję na rynku walutowym. W tym celu zbudowano
bazę danych w oparciu o dane z [x] i na podstawie ruchu kursu EUR/USD po publikacji
konkretnego wskaz
nika wyodrębniono te, których publikacja wywoływała średnią
zmianę kursów powyżej 30 punktów (średnia z dwóch lat). Wybranie odpowiedniego
zbioru wskaz
ników umożliwi stworzenie systemu, który będzie wrażliwy na
odpowiednie publikacje makroekonomiczne, rozszerzenie o nie wywołujące wpływu na
rynek walutowy dane byłoby nieuzasadnione i mogłoby doprowadzić do
niepotrzebnego skomplikowania zagadnienia. W tabeli[x] zaprezentowano zestawienie
tych wskaz
ników, jako okres publikacji rozumiemy czas jaki upływa od jednej
publikacji do drugiej.
40
Tabela [x] Zestawienie wskaz
ników makroekonomicznych mających największy wpływ
na kurs dolara amerykańskiego
Nazwa Okres Średnia zmiana kursu (w punktach)
publikacji
CPI (wskaz
nik inflacji) miesiąc 60,75
DGO (zamówienia na dobra trwałe) miesiąc 49,08
PPI (inflacja przedsiębiorstw) miesiąc 31,1
IP (produkcja przemysłowa) miesiąc 45,83
IT (handel międzynarodowy) miesiąc 73,08
NFP (nowe miejsca pracy w sektorze miesiąc 165,5
pozarolniczym)
RS (sprzedaż detaliczna) miesiąc 53,23
GDP (produkt krajowy) miesiąc 46,21
Najważniejsze jest nie wskazanie od konkretnego wskaz
nika, lecz to jak jego
publikacja i ewentualne rozbieżności od oczekiwań mogą wpłynąć na rynek,
przeprowadzone badania wykazały, że dla inwestorów nie liczą się badania
statystyczne, ale teoretyczne założenia jakie powinny się spełnić po publikacji dla
konkretnego wskaz
nika makroekonomicznego. Aby skutecznie przedstawić założenia
teoretyczne systemu należy się zapoznać ze znaczeniem każdego rozpatrywanego
wskaz
nika makroekonomicznego:
CPI  Consumer Price Index (indeks cen konsumentów) - raport pokazujący w ujęciu
miesięcznym o ile zmieniły się ceny dóbr na rynku. Jest to jeden z najważniejszych
mierników działania gospodarki. Inwestorzy działający na rynku walutowym są
zainteresowaniu szczególnie tym raportem, ponieważ na jego wskazania reaguje bank
centralny, podejmując decyzję o stopach procentowych. Wzrost wskazania CPI
determinuje bank centralny do walki z inflacją i podnoszenia stóp procentowych, przez
co inwestorzy bardziej interesują się walutą, gdyż atrakcyjność w jej inwestowanie
rośnie wraz ze wzrostem stóp procentowych.
PPI  Produce Price Index (indeks cen producentów)  wskaz
nik w swoim znaczeniu
ekonomicznym podobny do CPI, jednak nie ujmuje cen konsumenckich a producenckie,
41
zazwyczaj służy jako wsparcie dla indeksu cen konsumentów, przez co jego
oddziaływanie na rynek walutowy jest mniejsze.
DGO  Durable Goods Orders (zamówienia na dobra trwałe)  ich wzrost wskazuje
na dobrą koniunkturę w gospodarce. Jeśli zamówienia rosną oznacza to, że wydatki
publiczne i konsumpcyjne również rosną, co napawa optymizmem i zachęca do
kupowania waluty.
IP  Industrial Production (produkcja przemysłowa)  ważny element
makroekonomiczny służący do prognozowania wielkości PKB, choć we współczesnych
gospodarkach główną siłą napędową są usługi, to jednak produkcja przemysłowa jest
ciągle ważnym elementem w prognozowaniu kursów walutowych. Wzrost produkcji
przemysłowej jest sygnałem dobrej sytuacji w kraju i zachęca do kupowania waluty
IT  International Trade (handel międzynarodowy)  przedstawia stosunek importu
do eksportu w danym kraju, jego wzrost negatywnie wpływa na walutę, ponieważ
państwo więcej kupuje niż sprzedaje, przez co dochód państwowy jest niższy.
Oczywiście jest to uproszczenie, aczkolwiek wzrost deficytu handlu międzynarodowego
jest zawsze niekorzystny dla waluty. Handel międzynarodowy silnie oddziałuje na
rynek walutowy.
NFP  Non Farm Payrolls (nowe miejsca pracy w sektorze pozarolniczym)  jeden z
najważniejszych mierników koniunktury w USA, choć jego znaczenie ekonomiczne nie
jest bardzo silne pozostaje o n w dalszym ciągu w umysłach inwestorów jako jeden z
najważniejszych wskaz
ników mających wpływ na rynek walutowy. Wzrost nowych
miejsc pracy powoduje umocnienie waluty, natomiast spadek jej osłabienie
RS  Retail Sales (sprzedaż detaliczna)  Sprzedaż detaliczna informuje inwestorów
jakie środki są wydawane w gospodarce na zakup produktów detalicznych przez
konsumentów. Wzrost sprzedaży detalicznej podobnie jak zamówienia na dobra trwałe
powoduje wzrost kursu waluty, gdyż jest wskaz
nikiem dobrej koniunktury
42
GDP  Gross Domestic Product (produkt krajowy brutto)  jeden z najważniejszych
wskaz
ników makroekonomicznych, dla rynku walutowego ważny, ale nie
najważniejszy, zachwianie rykiem walutowym może spowodować ponadprzeciętne
odchylenie od planowanych wskazań. Wzrost wartości tego wskaz
nika powoduje
wzrost wartości danej waluty (jej umocnienie)
4.1 FORMALIZACJA KRYTERIÓW LOKALNYCH ZA
POMOC
FUNKCJI UŻYTECZNOŚCI
Każdy rynek finansowy jest wrażliwy na publikacje makroekonomiczne. Rynek
Forex jest na nie bardziej wrażliwy niż inne rynki, ponieważ przepływ środków na
rynku walutowym jest ściśle związany ze wskazaniami wskaz
ników
makroekonomicznych. Jeśli publikacja danych byłaby zgodna z wcześniejszymi
prognozami, nie byłoby reakcji rynków. Wahania kursów są spowodowane
rozbieżnością prognoz i danych rzeczywistych. W niniejszym systemie bierzemy pod
uwagę tylko te dane, których publikacja ma wyraz
ne odbicie na zachowanie kursów. Z
przeprowadzonych badań wynika, że największy wpływ na rynek walutowy mają
wskaz
niki zaprezentowane w tabeli [x]. Dla zbudowania odpowiedniego modelu
posłużymy się tymi właśnie wskaz
nikami jako parametrami jakości, dzięki którym
zbudujemy kryterium globalne sugerujące inwestorowi zachowanie się rynku po
publikacji konkretnego zdarzenia makroekonomicznego.
Kolejnym krokiem w procesie budowy modelu jest budowa kryteriów lokalnych
z zadanych parametrów jakości. Kryteria lokalne są przedstawiane jako funkcje
przynależności, przyjmujące wartości od 0 do 1, gdzie 0 jest niedopuszczalnymi
wartościami parametru, a 1 najlepszymi wartościami parametru. W literaturze fachowej
rozróżnia się siedem typów funkcji przynależności[x]. W opisywanym zagadnieniu
stosujemy jeden typ funkcji przynależności dla każdego z parametrów jakości, jednak
sposób budowania wykresu funkcji przynależności będzie różny w zależności od tego,
jakie są teoretyczne założenia po publikacji zdarzenia makroekonomicznego. Jeżeli
wzrost wskazania danego wskaz
nika makroekonomicznego powinien powodować
43
umocnienie się dolara amerykańskiego wykres funkcji przynależności przedstawia się
następująco:
1
0 x1
x2
Rysunek[x]. Funkcja przynależności
Punkt x1 odpowiada minimalnej prognozie wskazania danego wskaz
nika, w
punkcie tym funkcja przynależności osiąga wartość 0, punkt x2 wskazuje maksymalną
prognozę, wartość funkcji przynależności w tym punkcie wynosi 1. Jak łatwo
zauważyć, aby określić wzór funkcji przynależności wystarczy posłużyć się wzorem na
funkcję liniową, który przedstawia się następująco:
f(x) = Ax + B
Zakładając że mamy dane dwa punkty krańcowe: (min, 0) i (1, max), podstawiając do
wzoru i wykonując odpowiednie przekształcenia można wyliczyć parametry funkcji:
A = 1/(max-min)
B = 1  ((1/(max-min))* max)
Dla zdarzeń, których zmniejszenie powinno spowodować wzrost kursu USD
stosujemy funkcję przynależności w postaci:
1
0
x1 x2
Rysunek[x]. Funkcja przynależności
44
Podobnie jak w poprzednim przypadku x1 wskazuje na minimalną prognozę dla
danego wskaz
nika makroekonomicznego, a x2 maksymalną prognozę dla tego
wskaz
nika. Aby zbudować funkcję przynależności wystarczy postępować analogicznie
jak w poprzednim przypadku (jest to również funkcja liniowa).
Funkcja przynależności zbudowana zgodnie z założeniami odzwierciedla
sytuację na rynku. W przypadku, gdy wskazanie byłoby >= maksymalna prognoza
powinno to spowodować sytuację, w której inwestorzy będą chętnie kupować daną
walutę, a jej cena będzie rosła, gdy wskazanie byłoby <= minimum sytuacja będzie
odwrotna. Oczywiście można spróbować innych kształtów funkcji przynależności,
jednak jest to już kwestia optymalizacji.
W proponowanym podejściu stosujemy dwa zbiory kryteriów. Pierwszy z nich
opiera się na oczekiwaniu inwestorów, wartości średniej prognozowanej dla danego
wskaz
nika makroekonomicznego (consensus), który jest zawsze zawarty pomiędzy
skrajnymi punktami prognozy, służącymi do utworzenia funkcji przynależności. Należy
zaznaczyć, że średnia wartość prognozowana nie jest średnią obliczaną ze skrajnych
punktów prognoz Drugi natomiast opiera się na poprzedniej wartości wskaz
nika
makroekonomicznego (previous).
4.2 OSZACOWANIE WSPÓA
CZYNNIKÓW
WZGL
DNEJ WAŻNOŚCI DLA KRYTERIÓW
LOKALNYCH
Aby ustalić współczynniki względnej ważności w omawianym
zagadnieniu posłużono się podejściem opartym na ocenie lingwistycznej opartej na
macierzy parzystych porównań Saaty ego, dzięki której można przedstawić parametry
lingwistyczne w postaci współczynników wartości kryteriów przyjmujących wartości
ilościowe. Celowo w pracy wybrano metodę lingwistyczną, gdyż nawet w
czasopismach i literaturze fachowej opinie ekspertów nie są zgodne ze sobą[x]. Aby
zbudować macierz parzystych porównań należy określić wzajemne relacje pomiędzy
45
badanymi parametrami. Jak wykazały badania aby zapobiec zbyt dużemu rozmyciu
relacji pomiędzy parametrami stosuje się od 7 do 9 poziomów w porównywaniu dwóch
parametrów. Ustalono następujące odpowiedniki lingwistyczne dla poszczególnych
poziomów:
- 1 - identyczność parametrów,
- 2 - pośrednia wartość między poziomami 1 i 3,
- 3 - umiarkowana wyższość pierwszego parametru nad drugim,
- 4 - pośrednia wartość między poziomami 3 i 5,
- 5 - istotna wyższość pierwszego parametru nad drugim,
- 6 - pośrednia wartość między poziomami 5 i 7,
- 7 - znaczna wyższość pierwszego parametru nad drugim,
- 8 - pośrednia wartość między poziomami 7 i 9,
- 9 - nadzwyczajnie silna wyższość pierwszego parametru nad drugim.
Z ocen ekspertów, własnych obserwacji, a także badań statystycznych zamieszczonych
w tabeli [x] opracowano macierz parzystych.
Tabela [x]. Macierz parzystych porównań dla wybranych wskaz
ników
makroekonomicznych.
NFP IT IP CPI GDP PPI RS DGO Ranga
NFP 1 2 3 4 5 6 7 8 2,62
IT 0,5 1 2 3 4 5 6 7 1,86
IP 0,33 0,5 1 2 3 4 5 6 1,27
CPI 0,25 0,33 0,5 1 2 3 4 5 0,85
GDP 0,2 0,25 0,33 0,5 1 2 3 4 0,57
PPI 0,16 0,2 0,25 0,33 0,5 1 2 3 0,38
RS 0,14 0,16 0,2 0,25 0,33 0,5 1 2 0,26
DGO 0,125 0,14 0,16 0,2 0,25 0,33 0,5 1 0,19
Za pomocą metody Lagrange a obliczono wartości współczynników względnej
ważności kryteriów lokalnych:
46
Tabela [x]. Współczynniki względnej ważności kryteriów lokalnych
Nazwa Ranga
NFP 2,62
IT 1,86
IP 1,27
CPI 0,85
GDP 0,57
PPI 0,38
RS 0,26
DGO 0,19
4.3 AGREGOWANIE KRYTERIÓW LOKALNYCH
Pojedyncze zdarzenia makro, choć mają wpływ na rynek powinny być
rozpatrywane w konkretnej sytuacji (tle) makroekonomicznym. Mając zbiór
określonych zdarzeń stosujemy agregację, aby oddać sytuację panującą na rynku.
Zakładamy, że wydarzenia występują w periodzie miesięcznym (tylko takie są wybrane
do zagadnienia), gdyż mają one największy wpływ na sytuację makroekonomiczną,
jeżeli inne wydarzenie występuję w danym miesiącu należy je uwzględnić w macierzy
parzystych porównań i zastosować się dalej do algorytmu systemu. Wydarzeniem takim
mogą być na przykład wypowiedzi sławnych osób, czy inne wydarzenia nie do końca
związane z ekonomią. Ważne jest, że dane agregujemy zawsze w periodzie
miesięcznym.
W literaturze można spotkać się z kilkoma metodami agregacji [x], które należy
stosować odpowiednio do danego zagadnienia. Najbardziej popularnymi są:
n-1
�"ąi
"�i
i=0
D1 =
n -1
- Addytywny:
n-1
ąi
D2 =
"�i
i=0
- Multiplikatywny:
47
ą ą1 ą
0 n-1
D3 = min(�0 , �1 ,K, �n-1 )
- MaxMin:
gdzie: �i  wartość funkcji przynależności dla i-tego kryterium badanej spółki;
ąi  ranga i-tego kryterium;
n - 1  liczba kryteriów lokalnych.
Proces podejmowania decyzji na rynku Forex, jest procesem złożonym, dlatego
proponowane metody agregacji okazują się niewystarczające. W wyniku badań i
eksperymentów do proponowanego systemu inwestycyjnego zastosowano następujący
sposób agregacji kryteriów lokalnych:
n-k k
�ł ą "� (x )
�ł
j j j
i �
�ł �ł
DD = (
�ł �ł
"�ł ą "�i (xi ) �ł)1- + "
�ł �ł
n - k k
i=1 �ł łł i=1
�ł łł
Gdzie:
ą - współczynnik względnej ważności dla i-tego wskaz
nika makroekonomicznego
i
�i (xi ) - wartość funkcji przynależności dla i-tego wskaz
nika makroekonomicznego
n - ilość wskaz
ników makroekonomicznych ujętych w modelu, bez tych, które mają
najbliższą datę publikacji
k - ilość wskaz
ników makroekonomicznych ujętych w modelu, które mają najbliższą datę
publikacji
� (x ) - wartość funkcji przynależności dla j-tego wskaz
nika, który ma najbliższą datę
j j
publikacji
ą - współczynnik względnej ważności dla j-tego wskaz
nika o najbliższej dacie publikacji
j
� - parametr siły wskaz
nika o najbliższej dacie publikacji
Warto zwrócić uwagę, że proponowany sposób agregacji uwzględnia pierwsze
zdarzenie makroekonomiczne, które ma nastąpić (zdarzenie, które nastąpi niebawem),
48
ze szczególną uwagą. Wprowadzając do sposobu agregacji parametr beta, można w
procesie optymalizacji, dobrać jego odpowiednią wartość uwzględniając rzeczywiste
preferencje inwestorów. Wyodrębnienie ostatniego wskaz
nika jako tego, który ma
największe znaczenie w procesie agregacji, jest uzasadnione z punktu widzenia
teoretycznego i psychologicznego. Inwestorzy, chociaż patrzą na tło
makroekonomiczne, koncentrują się na publikacji najbliższego wskaz
nika i to jemu
właśnie przywiązują największą uwagę.
Zgodnie z tym co napisano wcześniej mamy dwa zbiory kryteriów, pierwszy z
nich stanowią prognozy, a drugi wskazania poprzednie wskaz
ników
makroekonomicznych. Agregujemy te dwa zbiory zgodnie ze sposobem podanym
powyżej.
W wyniku czego otrzymujemy dwie wartości:
dla prognoz - DDcons
dla poprzednich - DDprev
Aby otrzymać wyniki agregacji dla dolara amerykańskiego obliczamy iloczyn
ważonych wartości poszczególnych wyników wstępnej agregacji:
DD + DD
cons prev
DDusd =
2
Gdzie:
DDusd - Wynik agregacji kryteriów dla dolara amerykańskiego
DDcons - Wynik agregacji dla kryterium związanego z prognozami wskaz
ników
makroekonomicznych
DDprev - Wynik agregacji dla kryterium poprzednich wskazań wskaz
ników
makroekonomicznych.
Zgodnie z założeniami DDusd może przyjmować wartości w granicach od 0 do 1. Aby
zbudować system logiki rozmytej wartościujemy kryterium zgodnie z zaprezentowaną poniżej
metodą:
49
Drugim kryterium branym pod uwagę przy budowaniu systemu logiki rozmytej będzie
kryterium trendowe, na które może się złożyć: indywidualne obserwacje tradera, zbiór
wskaz
ników analizy technicznej, wskazania ekspertów co do zachowania się rynku przy
publikacji wskaz
ników makroekonomicznych. Przy czym Max(T) oznacza
występowanie trendu wzrostowego, a 0 oznacza występowanie trendu spadkowego.
Z tych dwóch kryteriów budujemy system wnioskowania oparty na następujących
zasadach, działający dla pary EUR/USD (wzrost kursu oznacza osłabienie dolara, a
spadek jego umocnienie):
if (DD is Big)
{
if (T is Low) 2*Sell; (sprzedaj z podwójną siłą)
if (T is Medium) Sell ;
if (T is Big ) Hold;
}
if (DD is Medium)
{
if (T is Low) Sell;
50
 if (T is Medium) Hold;
if (T is Big) Buy;
}
if (DD is Low)
{
if (T is Low) Hold;
if (T is Medium) Buy;
if (T is Big ) 2*Buy; (kupuj z podwójną siłą)
}
4.4 ZAA
OŻENIA SYSEMU INWESTYCYJNEGO
Na podstawie założeń jakie są przedstawione powyżej zbudowano automatyczny
system inwestycyjny, pracujący na rynku walutowym. Do implementacji systemu użyto
platformy Weatlh Lab Developer, która daje odpowiednie możliwości, jeżeli chodzi o
programowanie i testowanie systemów inwestycyjnych. Aby zbudować system należ
dostarczyć do niego odpowiednie dane, dane makroekonomiczne pochodzą z jednej z
najlepszych amerykańskich stron internetowych poświęconych statystyce ekonomicznej
rynku Stanów Zjednoczonych[x]. Drugim rodzajem danych dostarczonych do systemu
są dane analizy technicznej, które mają na celu odzwierciedlenie sytuacji trendowej na
rynku. Do tej drugiej grupy można zaliczyć wskaz
niki przedstawione w tejże pracy, ale
również bardziej zaawansowane metody[x]. Dla systemu należy wybrać odpowiedni
horyzont czasowy, w wyniku obserwacji jak i fachowej literatury stwierdzono, że
odpowiednim przedziałem czasowym dla działania takiego systemu są przedziały jedno,
bądz
cztero godzinowe. Jako uzasadnienie takiego wyboru można podać to, że banki i
maklerzy działający na zlecenia banków działają w tym właśnie horyzoncie czasowym.
Aby uniknąć zawirowań jakie mają miejsce na rynku przed impulsem jakim jest
publikacja danych makroekonomicznych, zaleca się wejście na rynek na dwie, trzy
godziny przed publikacją. Do budowania zbioru kryteriów makroekonomicznych
( DDcons i DDprev ) używamy wartości prognozy średniej, jeżeli publikacja danego
wskaz
nika makroekonomicznego jeszcze nie nastąpiła, natomiast jeżeli wskaz
nik jest
51
już po publikacji, do ich budowania używamy wartości aktualnych jakie przyjmuje
wskaz
nik. W zależności od sygnału jaki jest generowany przez system zajmowana jest
pozycja krótka (sprzedaż), bądz
długa(kupno) określonej pary walut. Kolejnym krokiem
jest postawienie odpowiednich zabezpieczeń (Stop Loss), aby przy niekorzystnym
ruchu na rynku nie stracić całego kapitału. W wyniku prac z bazą danych ustalono
poziomy Stop Loss dla każdego ze wskaz
ników makroekonomicznych, poziomy te
prezentuje tabela [x].
Tabela [x]. Poziomy Stop Loss.
Nazwa Poziom SL w punktach
CPI (wskaz
nik inflacji) 30
DGO (zamówienia na dobra trwałe) 25
PPI (inflacja przedsiębiorstw) 15
IP (produkcja przemysłowa) 25
IT (handel międzynarodowy) 35
NFP (nowe miejsca pracy w sektorze 50
pozarolniczym)
RS (sprzedaż detaliczna) 25
GDP (produkt krajowy) 20
Do wyjścia z rynku stosujemy wskaz
niki analizy technicznej, w prezentowanym
systemie stosowano wskaz
nik dwukryterialny opisany w [x]. Innym proponowanym
podejściem jest zamykanie pozycji po określonym czasie od publikacji danych
makroekonomicznych, jednak takie sposób choć może gwarantować zyski jest
nieoptymalny. Sygnały generowane przez wskaz
niki analizy technicznej informują o
zakończeniu trendu wygenerowanego przez publikację.
4.5 PRZYKA
AD DZIAA
ANIA SYSTEMU
INWESTYCYJNEGO
Dla zaprezentowania sposobu działania opisywanego systemu inwestycyjnego
użyto okresu testowego od 1.I.2006 do 1.II.2006. Poniżej zaprezentowano dane ośmiu
wskaz
ników makroekonomicznych. Dane te zostały pobrane ze strony [x].
52
1) Nonfarm Payrolls (liczba nowych miejsc pracy w sektorze pozarolniczymy)
Prognoza minimalna 130 000
Prognoza maksymalna 250 000
Prognoza średnia 215 000
Wskazanie poprzednie 56 000
Wskazanie aktualne 108 000
Data publikacji 06.I.2006
2) Trade Balance (Bilans handlowy)
Prognoza minimalna -62
Prognoza maksymalna -67,5
Prognoza średnia -66
Wskazanie poprzednie -64,2
Wskazanie aktualne 108 000
Data publikacji 12.I.2006
3) Produce Price Index (Indeks cen producentów)
Prognoza minimalna -0,5
Prognoza maksymalna 0,7
Prognoza średnia 0,4
Wskazanie poprzednie 0,7
Wskazanie aktualne 0,9
Data publikacji 13.I.2006
4) Retail Sales (Sprzedaż detaliczna)
Prognoza minimalna 0,6
Prognoza maksymalna 1,2
Prognoza średnia 0,8
Wskazanie poprzednie -0,1
Wskazanie aktualne 0,7
53
Data publikacji 13.I.2006
5) Production (Produkcja przemysłowa)
Prognoza minimalna 0,4
Prognoza maksymalna 0,9
Prognoza średnia 0,5
Wskazanie poprzednie 0,9
Wskazanie aktualne 0,6
Data publikacji 17.I.2006
6) Consumer Price Index (Indeks cen konsumentów )
Prognoza minimalna 0
Prognoza maksymalna 0,5
Prognoza średnia 0,1
Wskazanie poprzednie 0,2
Wskazanie aktualne -0,1
Data publikacji 18.I.2006
7) Durable Goods Orders (Zamówienia na dobra trwałe)
Prognoza minimalna -2,5
Prognoza maksymalna 4
Prognoza średnia 1,5
Wskazanie poprzednie 4,4
Wskazanie aktualne 1,3
Data publikacji 26.I.2006
8) Gross Domestic Product (Produkt krajowy brutto)
Prognoza minimalna 2,7
Prognoza maksymalna 3,2
54
Prognoza średnia 2,8
Wskazanie poprzednie 4,3
Wskazanie aktualne 1,1
Data publikacji 27.I.2006
Jak wskazują założenia systemu przedstawione powyżej wejście na rynek
następuje w dniu publikacji wskaz
nika makroekonomicznego, na kilka godzin przed
publikacją wskaz
nika, wejście musi być odpowiednio wcześniej, aby zabezpieczyć się
przed perturbacjami dotyczącymi niepokojów przed publikacją (tak zwany fałszywy
ruch). Zajęcie pozycji następuje z zabezpieczeniem adekwatnym do tego jaki wskaz
nik
ma być w danym dniu opublikowany. Jeśli chodzi o drugie kryterium (trendowe) dla
uproszczenia zastosowano kryterium dwukryterialne. Jeśli chodzi o zamykanie pozycji
jest ono realizowane w godzinę po wystąpieniu publikacji wskaz
nika
makroekonomicznego.
Dla uproszczenia przyjęto, że parametr � = 0.5, co oznacza, że wskaz
nik, na
którego publikację oczekujemy jest nieco ważniejszy od reszty agregowanych.
Kryterium trendowe przyjmuje 3 wartości Low, Medium, Big, które odpowiednio
oznaczają: trend spadkowy EUR/USD (umocnienie dolara amerykańskiego), trend
boczny (nie oczekuje się żadnego ruchu), trend wzrostowy EUR/USD (umocnienie
euro). Na wykresie wskaz
nika pozycję Low (L) sygnalizuje wybicie do góry linii
czerwonej, pozycję Medium (M) brak jakichkolwiek linii, a Big (B) wybicie linii
niebieskiej.
55
B M L
Rysunek [x]. Kryterium trendowe dla prezentowanego systemu.
Przed publikacją pierwszych w miesiącu danych (dotyczących bezrobocia),
wyliczone kryterium DDusd wyniosło 0.25, co oznacza, że oczekuje się osłabienie
pozycji dolara (wzrost kursu EUR/USD).
56
Rysunek[x]. Sytuacja rynkowa przy publikacji danych o rynku pracy w Stanach
Zjednoczonych. Wykres EUR/USD
Na rysunku [x], obserwujemy sytuację techniczną przed i po publikacji. Publikacja
danych o bezrobociu następuje 6 stycznia o godzinie 14:30 czasu polskiego (na
wykresie silne wybicie w górę). Pozycję zajmujemy na półtorej godziny przed
publikacją (o godzinie 13:00), jak widać wskaz
nik dwukryterialny pokazuje trend
wzrostowy (wybicie linii niebieskiej). Zgodnie z założeniami systemu zajmujemy
pozycję długą (kupujemy parę EUR/USD). Pozycję zajmujemy dwa razy większą niż
podstawowa. Wyjście z rynku następuje o godzinie 22:00 tego samego dnia (wybicie
57
linii czerwonej dla wskaz
nika dwukryterialnego). Przez te kilkanaście godzin system
wykonał jedną transakcję, kupno po 1.2090 o godzinie 13:00 sprzedaż po 1.2145 o
godzinie 22:00. Jako, że zajmowania jest pozycja podwójna zysk z tej transakcji wynosi
110 punktów. Załączony przykład pokazuje w jaki sposób system zajmuje pozycje i
realizuje transakcje. W tabeli[x] uwzględniono wyniki systemu otrzymane w miesiącu
styczniu 2006 roku:
Tabela [x]. Wyniki systemu wyboru wielokryterialnego (w punktach).
Buy & Hold
Zysk 245 pips 150 pips
Ilość otwartych pozycji 5
Ilość trafnych transakcji 3
% trafnych pozycji 60%
Ilość błędnych transakcji 2
% błędnych transakcji 40%
Największa strata -20 pips
System przez miesiąc nie zajął zbyt wielu pozycji na rynku i może być stosowany jako
uzupełnienie innych działających systemów. Dla mało aktywnego tradera, dla którego
głównym założeniem są stale zyski obarczone małym ryzykiem, system połączenia
analizy technicznej i fundamentalnej może okazać się wystarczający. Bardzo dobrym
wskazaniem jest niska najwyższa strata (tylko 20 punktów), należy zauważyć, że
wszystkie stratne pozycje były zamknięte za pomocą mechanizmu Stop Loss.
Reasumując system wyboru wielokryterialnego opartego o syntezę logiki
rozmytej i analizy wielokryterialnej, będący połączeniem podejścia technicznego i
fundamentalnego pozwala na skuteczne inwestowanie na rynku walutowym. System
bez optymalizacji zarobił 245 punktów. Inne system, choć mogą się pochwalić
zaskakującymi wynikami są bardziej ryzykowne (mają większą stratę maksymalną) i
nie wszystkim inwestorom mogą odpowiadać. Rynek walutowy dzięki dz
wigni
finansowej należy do rynków agresywnych, które umożliwiają bardzo duże zarobki,
lecz jednocześnie są bardzo trudnymi do inwestowania. Zaawansowani inwestorzy
uważają, że aby inwestować na tym rynku należy wcześniej spróbować swoich sił na
58
innych rynkach. Dlatego stworzony system może okazać się pewną alternatywą dla
inwestowania na Forexie.
59