INVESTOR

W jednej z ostatnich notatek  postulowałem, że rynki podlegają zmianom. I nie chodzi o "zwykłą" zmienność cen, która jest przecież immanentną cechą rynków finansowych. Chodzi raczej o zmiany dotyczące samych rynków, ich fundamentów oraz funkcjonowania. Takie procesy jak upowszechnienie internetu, który ułatwił milionom drobnych inwestorów dostęp do globalnego rynku, handel algorytmiczny, HFT, niewątpliwie zmieniają charakter rynków. Jak zatem możemy dostosować naszą strategię inwestycyjną do owej niestacjonarności? Rozwiązaniem jest reoptymalizacja parametrów systemu. I tutaj, podobnie jak w przypadku tradingu możemy przeprowadzać ją na różne sposoby:

1. Dyskrecjonalnie. Decyzja kiedy reoptymalizować jest całkowicie subiektywna.

2. Mechanicznie. Decyzja kiedy reoptymalizować wynika z jasnych oraz obiektywnych przesłanek, istnieje algorytm/kod reoptymalizacji.

Chciałbym się skupić na drugim podejściu, w którym proces reoptymalizacji strategii inwestycyjnej stanowi jeden z elementów owej strategii.

Robert Pardo w swojej książce "The Optimization and Evaluation of Trading Strategies" proponuje rozwiązanie pod nazwą Walk-Forward Analysis. Zapewne większość czytelników zna termin Out-of Sample testing, który polega na optymalizowaniu oraz testowaniu strategii inwestycyjnej na dwóch róznych próbach danych. Walk-Forward idzie krok dalej, przekształcając Out-of-sample testing w dynamiczny proces samoadaptacyjny (system niejako sam adoptuje się do ostatnio panujących warunków na rynku). Polega on na wykonywaniu wielu cykli testów w sposób 'kroczący" (stąd nazwa).

Przykład

Załóżmy, że dysponujemy danymi za okres 2000 - 2009. Nasz Walk-Forward Analysis polegać będzie na

cykl 1: Optymalizacja na danych 2000-2001, Testowanie na danych 2002
cykl 2: Optymalizacja na danych 2001-2002, Testowanie na danych 2003
...

W sposób graficzny można przedstawić to następująco:

Idąc za powyższym przykładem parametry systemu reoptymalizujemy co roku w oparciu o dane za ostatnie dwa lata:

2011: Reoptymalizacja na danych 2009-2010
2012: Reoptymalizacja na danych 2010-2011
...

Oczywiście, w analizie uwzględniać możemy dowolne interwały na których opieramy reoptymalizację (tygodnie, miesiące, itp.).

Powyższa propozycja może być punktem wyjścia do zastanowienia się nad sposobem zmierzenia się z niestacjinarnością rynków. Zauważmy, że mój hipotetyczny Żółw z jednego z poprzednich wpisów stosując omawianą tutaj technikę zarabiałby w dalszym ciągu.

Wartym podkreślenia jest takt, iż większość skutecznych traderów stosuje reoptymalizacje. A jako przykład można podać opis strategii Billa Dunna:

"The World Monetary program currently trades 13 markets: four currencies, gold, crude oil, T-bonds, Eurodollars, gilts, sterling, bunds, the FT-SE 100 and the S&P 500. Back testing 10 to 12 years (each year has equal weighting), Dunn annually adjusts the parameters of trading signals and each markets weighting. In February - just as the grains were about to take off - he dumped the entire grain sector. But Dunn has no regrets."