Pobierz skondensowaną porcję wartościowej wiedzy o inwestowaniu!🙂

W dzisiejszym odcinku podcastu gości u mnie Kevin Davey, profesjonalny trader, który trzykrotnie stawał na podium Mistrzostw Świata w tradingu kontraktami terminowymi. Uzyskał on w latach 2005, 2006 i 2007 odpowiednio roczne stopy w wysokości 148%, 107% i 112%. Jest to zarazem już u mnie drugi gość, po Andrea Unger, który święcił triumfy w tym zacnym konkursie. I coś mi mówi, że nie ostatni. 😉

W roku 2008 postanowił zostać pełnoetatowym traderem, którym jest do dziś, i co jak możecie usłyszeć w wywiadzie, bardzo sobie chwali. Ale droga do pełnego zawodowstwa nie była usłana różami. Okres nauki przeciągał się wiele lat, Kevin był bliski poddania się, popełniając po drodze wiele, nierzadko kosztownych błędów. W pewnym momencie miał wręcz przekonanie, że się do tego nie nadaje: cokolwiek by nie zrobił na rynku, wynik był zawsze ten sam – strata finansowa.

UWAGA! Wywiad dostępny jest do wysłuchania w języku angielskim. Nie przewiduję tłumaczenia na język polski w najbliższej przyszłości. Zapraszam jednak do artykułu poniżej, który mam nadzieję, okaże się wartościowym dodatkiem.

W tym odcinku

  • Kim jest Kevin Davey i jak wyglądała jego droga do profesjonalnego tradingu
  • Jak wyglądał udział Kevina w Mistrzostwach Świata i dlaczego się na to zdecydował
  • Dlaczego preferuje handel oparty o twarde algorytmy zamiast podejmować decyzje w oparciu o własną intuicję
  • Na jakich rynkach i interwałach czasowych handluje Kevin
  • Jak wygląda jego obecne podejście do rynków finansowych
  • Kto wywarł największy wpływ na Kevina w tradingu
  • Jak wygląda jego przeciętny dzień
  • Z jakich usług i narzędzi korzysta na co dzień
  • Jak wygląda proces budowy strategii transakcyjnej
  • Co to jest tzw. inkubacja, i dlaczego jest tak istotna
  • Po co i jak stosować symulacje Monte Carlo
  • Co jest lepsze: dywersyfikacja czy zarządzanie wielkością pozycji
  • Jak długo trwa proces budowy strategii transakcyjnej
  • Kiedy odłączyć strategię z rynku
  • Co myśli o filozofii tradingu polegającej na długoterminowym podążaniu za trendem

Przydatne linki do tego odcinka

Zaproszenie do dyskusji

Serdecznie zapraszam Cię do komentowania i zadawania pytań, bezpośrednio na tej stronie poniżej, lub na mojej stronie na Facebook’u lub moim profilu Twitter’owym.

Alternatywnie możesz zadać pytanie głosowe, nagrywając się na SpeakPipe. Pamiętaj tylko, że masz 90 sekund na nagranie 🙂

Bardzo zależy mi na Twoim głosie, za który już teraz z góry bardzo dziękuję 🙂

O wywiadzie

Przypadek Kevina jest budujący, bo pokazuje, że ciężką pracą i wytrwałością można osiągnąć sukces. Powinien również udowodnić wielu niedowiarkom, że handel oparty na algorytmach jak najbardziej może być zyskowny 1 1. Bardziej zatwardziałym niedowiarkom polecam sprawdzenie wyników funduszy algorytmicznych na świecie, korzystając np. z serwisu IASG, lub wielu innych. × . Mnie osobiście podoba się otwartość Kevina, szczególnie w jego pierwszej książce, gdzie bez owijania w bawełnę opisuje swoją długą serie porażek.

Kevin w 100% opiera swój trading na algorytmach, które są w większości zautomatyzowane. Każda transakcja jest wynikiem działania skrupulatnie zbudowanej i przetestowanej strategii, a w zasadzie farmy strategii, której liczba ciągle rośnie i obecnie zbliża się do setki. Wynik tym bardziej imponujący, gdyż każda strategia jest budowana manualnie, bez wspomagania się zdobywającymi coraz to większą popularność generatorów strategii 2 2. Ze względu na złożoność i czasochłonność procesu budowy strategii coraz większą popularność zdobywają automatyczne generatory. Niektóre oparte są na ideii programowania genetycznego, należącego do klasy tzw. metod uczenia maszynowego. Profesjonalna literatura zna je również pod nazwą algorytmów ewolucyjnych.
Bez wnikania w szczegóły, działanie takiego algorytmu przypomina działanie programisty starającego się ulepszyć cały czas swój kod tak, by generował coraz to lepsze wyniki. Przy czym proces ten wykonywany jest w sposób automatyczny. W wyniku jego działania użytkownik w krótkim czasie może przebierać w tysiącach lub nawet milionach strategii.
Niestety wiąże się to z ogromnym ryzykiem jakim jest curve-fitting, czyli zbytnie dopasowanie modelu do danych historycznych. Jeszcze inny problem, bardziej niebezpieczny w skutkach, to tzw. data mining bias, czyli efekt kopania w ogromnej ilości danych. W efekcie znaleziona strategia może być wynikiem czystego przypadku, a nie przewagi rynkowej która będzie istnieć w najbliższej przyszłości.
Dlatego w niedoświadczonych rękach narzędzia tego typu nie są polecane (tym bardziej, jeśli ktoś szuka drogi na skróty, nie rozumiejąc tego co robi). ×
.

Algorytm tworzący strategię tradingową to nic innego jak zbiór reguł zapisanych np. w języku programowania 3 3. Zapisanie strategii w postaci kodu wybranego języka programowania ma tę zaletę, że łatwiej przeprowadzić proces projektowania i testowania. Poza tym istnieje możliwość automatyzacji handlu w oparciu o tak zpisaną strategię. × . Zbudowanie strategii algorytmicznej może być jednak czasochłonne, i to nie z powodu potrzeby napisania wielu linijek skomplikowanego kodu. Ten co do zasady powinien być w przypadku takich strategii prosty.

Przede wszystkim trzeba znaleźć pomysł, który eksploatuje określoną przewagę rynkową. Zwykle jest to proces złożony z wielu iteracji, zanim uzyska się satysfakcjonujące wyniki. Co gorsza, rynki ulegają ciągłej ewolucji: działający system z czasem ulega naturalnej degradacji, co przejawia się coraz to gorszymi wynikami.

Kevin bardzo dużą wagę przywiązuje do procesu budowy strategii. W dobie komputerów bardzo łatwo zbudować strategię, która świetnie wygląda w symulacji na danych historycznych. Niezmiernie trudno jednak jest zbudować strategię, która generuje zyski na realnym rynku. Dlatego wypracowanie solidnego warsztatu budowy strategii jest kluczowym elementem każdego tradera algorytmicznego.

Wielu adeptów tradingu systemowego szybko się poddaje, dochodząc do wniosku, że takie podejście do rynku nie ma racji bytu w realnym świecie. Racjonalizują to tym, że ich intelekt znacznie łatwiej może podejmować trafne decyzje transakcyjne. Zapominają jednak, że trading to dyscyplina oparta o rachunek prawdopodobieństwa, przy tym w trudnych warunkach niestacjonarnych procesów rynkowych.

Kevin zwraca uwagę, że podczas projektowania strategii, bardzo łatwo jest zacząć oszukiwać. Przynosi to doraźny efekt w postaci lepszych wyników podczas symulacji. Ale tak naprawdę powinniśmy zawsze mieć świadomość, że rynek jest surowym arbitrem, który dostrzeże każde oszustwo. W gruncie rzeczy zamiast ulegać więc pokusie chodzenia na skróty, należy nastawić się na ciężką pracę. Jak to mówi Kevin: trading to najcięższa droga do zarabiania łatwych pieniędzy.

Trading to najcięższa droga do zarabiania łatwych pieniędzy.

Kluczową rolę stanowi myślenie w kategoriach podejmowanego ryzyka. Na poziomie portfela powinniśmy więc zadbać o dobrą dywersyfikację systemów. Wówczas awaria nawet kilku systemów nie stanowi globalnej porażki dla całego portfela. Kevin obecnie handluje równocześnie w oparciu o około 80 różnych strategii, działających na różnych rynkach, i różnych interwałach czasowych.

Warto też sobie zdać sprawę, że nie ma jednej słusznej drogi do sukcesu na rynku. Kevin zwraca uwagę, że jego znajomi z Mistrzostw Świata, zwycięscy traderzy, pomimo, że stosują algorytmy, robią to w nieco inny sposób. Przykładowo nie korzystają z tzw. analizy Walk Forward, czyli cookresowego reoptymalizowania parametrów strategii. A mimo tego również regularnie generują zyski na rynakch.

Metody stosowane w tradingu powinny być dopasowane do osobowości osoby, która je stosuje. I nie jest to tylko pusty slogan. Trading to ciężki kawałek chleba: pierwsze większe obsunięcie kapitału w portfelu może wywołać niepokój i utratę dyscypliny, jeśli strategia, która działa na rynku zbudowana była na przesłankach co do których trader nie jest przekonany.

Footnotes

  1. Bardziej zatwardziałym niedowiarkom polecam sprawdzenie wyników funduszy algorytmicznych na świecie, korzystając np. z serwisu IASG, lub wielu innych.
  2. Ze względu na złożoność i czasochłonność procesu budowy strategii coraz większą popularność zdobywają automatyczne generatory. Niektóre oparte są na ideii programowania genetycznego, należącego do klasy tzw. metod uczenia maszynowego. Profesjonalna literatura zna je również pod nazwą algorytmów ewolucyjnych.
    Bez wnikania w szczegóły, działanie takiego algorytmu przypomina działanie programisty starającego się ulepszyć cały czas swój kod tak, by generował coraz to lepsze wyniki. Przy czym proces ten wykonywany jest w sposób automatyczny. W wyniku jego działania użytkownik w krótkim czasie może przebierać w tysiącach lub nawet milionach strategii.
    Niestety wiąże się to z ogromnym ryzykiem jakim jest curve-fitting, czyli zbytnie dopasowanie modelu do danych historycznych. Jeszcze inny problem, bardziej niebezpieczny w skutkach, to tzw. data mining bias, czyli efekt kopania w ogromnej ilości danych. W efekcie znaleziona strategia może być wynikiem czystego przypadku, a nie przewagi rynkowej która będzie istnieć w najbliższej przyszłości.
    Dlatego w niedoświadczonych rękach narzędzia tego typu nie są polecane (tym bardziej, jeśli ktoś szuka drogi na skróty, nie rozumiejąc tego co robi).
  3. Zapisanie strategii w postaci kodu wybranego języka programowania ma tę zaletę, że łatwiej przeprowadzić proces projektowania i testowania. Poza tym istnieje możliwość automatyzacji handlu w oparciu o tak zpisaną strategię.
Subskrybuj
Powiadom o
guest

2 komentarzy
najstarszy
najnowszy oceniany
Inline Feedbacks
View all comments

🚀 Ruszył polski portal ETF-ów - Atlas ETF!