Якщо стратегія дійсно хороша, чому не заробляти самостійно? Три статті розкривають жорстоку правду про продаж показників

У світі криптовалютної торгівлі багато хто часто довіряє певним «торговим індикаторам». Однак кілька досліджень вказують, що більшість стратегій торгівлі, які нібито стабільно прибуткові на історичних тестах, насправді не доведені ринком як ефективні, а є лише вцілілими з них. Це нагадує ситуацію, коли ви зробили сто разів завдання з минулорічного іспиту, отримали ідеальний бал — але це не означає, що ви так само добре складете цей іспит цього року. Це і є пастка «надмірного підгонки» торгових стратегій. Реальніша проблема полягає в тому, що якщо стратегія дійсно така хороша, чому її не використовувати з власним кредитним плечем, а не продавати або публічно ділитися?

Зрештою, справді ефективні стратегії зазвичай обмежені обсягом капіталу: чим більше грошей, тим швидше переїдає їх власна торгова поведінка та реакція ринку.

Розробники торгових індикаторів зазвичай використовують лише найкращі частини для залучення інвестицій

У статті, опублікованій Американським математичним товариством, зазначається про похибки у бектестінгу. Дослідження показало, що у традиційних рамках тестування можна знайти деякі технічні стратегії, які демонструють значний позитивний дохід у історичних даних — і саме тому технічний аналіз довго користується популярністю на ринку. Однак автори додатково підкреслюють, що такі результати часто ігнорують ключову проблему: похибку пошуку даних (data-snooping bias).

Коли дослідники одночасно тестують сотні або тисячі торгових правил, статистично неминуче з’являються кілька стратегій із високою ефективністю, навіть якщо ринок повністю випадковий. Якщо судити про ефективність технічного аналізу лише за цими «післяфактум» перемогами, це — як вважати, що удача — це здатність.

Після корекції похибки переваги технічних стратегій значно зменшуються

Щоб вирішити цю проблему, дослідження застосовує більш строгі статистичні методи, враховуючи похибки, викликані багаторазовим тестуванням. Результати показують, що після корекції майже всі стратегії, які раніше здавалося, демонстрували значний надприбуток, втрачають статистичну значущість. Іншими словами, у зовнішньому тестовому середовищі ці стратегії майже не здатні повторити свою історичну ефективність, що свідчить про їхню неспроможність захопити стабільну структуру ринку.

Після врахування торгових витрат реальні результати ще гірші

Дослідження також враховує торгові витрати. Оскільки технічні стратегії зазвичай мають високий обіг капіталу, враховуючи комісії, проскальзування та ринковий вплив, навіть кілька стратегій із незначним позитивним доходом часто перетворюються на збиткові. Автори підкреслюють, що цей висновок має велике практичне значення, оскільки більшість публічних тестів недооцінюють реальні торгові витрати.

Дослідження не заперечує цінність технічного аналізу цілком, а радше вказує, що його роль краще розглядати як інструмент управління ризиками, визначення трендів або допоміжний інструмент поведінкової фінансів, а не як основне джерело прибутку. У сучасних висококонкурентних ринках, швидко відображаючих інформацію, просте використання історичних цін та обсягів вже не дає сталих переваг.

Помилки у бектесті торгових індикаторів: як здавати іспит з минулого

Стаття під назвою «Ймовірність надмірного підгонки у бектесті» (The Probability of Backtest Overfitting) вказує, що ідеальні результати бектесту мають дуже високий шанс бути наслідком надмірної підгонки даних (Overfitting). У сфері кількісних фінансів бектест — стандартний інструмент оцінки ризиків і доходності стратегій. Однак із зростанням обчислювальної потужності дослідники тепер можуть легко тестувати мільярди стратегічних комбінацій на одних і тих же історичних даних.

Автори статті порівнюють це з фразою: «Якщо ти допитуєш дані довго, вони зізнаються». Постійне налаштування параметрів (наприклад, довжини ковзної середньої, порогів входу тощо), доки результати не стануть ідеальними, — це, по суті, підгонка до шуму ринку, а не пошук сигналу. Це схоже на те, що ви багато разів проробляєте завдання з минулорічного іспиту, і тепер можете отримати 100 балів — але це не означає, що так само добре складете цей іспит цього року, бо це — зовсім інше.

Щоб вирішити цю проблему, команда дослідників запропонувала ключовий показник: ймовірність надмірної підгонки у бектесті (PBO)). PBO — це ймовірність того, що найкраща стратегія у історичних тестах виявиться гіршою за середню у майбутньому. Якщо PBO високий, стратегія навмисно підбиралася під «кращі» параметри; якщо низький — стратегія є більш стабільною.

У дослідженні взяли стратегію з високим коефіцієнтом Шарпа 1.27, що здається дуже привабливим для інвесторів. Однак, після аналізу, виявили, що PBO цієї стратегії становить 55%. Хоча у тестах вона давала позитивний дохід, у зовнішніх перевірках 53% випадків вона була збитковою. Це доводить, що навіть стратегія з високим коефіцієнтом Шарпа може бути результатом надмірної підгонки.

Емпіричне дослідження індійського ринку: RSI, MACD важко стабільно обіграти ринок

Після розгляду проблем бектестінгу та статистики, перейдемо до практичних досліджень. Одне з них, що охоплює 18 років індійського ринку, показує, що популярні технічні інструменти важко стабільно приносити надприбутки. Навіть якщо в окремі періоди вони дають короткочасну перевагу, їх ризик-скоригована ефективність не підтверджує довгострокову здатність до прибутковості.

Дослідження, проведене індійським коледжем Sri Dharmasthala Manjunatheshwara College Business School, зосереджене на індексі Sensex з 2000 лютого по 2018 травня, і аналізує дві найпопулярніші технічні індикатори: RSI та MACD, щоб оцінити їхню реальну здатність приносити прибуток.

RSI повністю провалився: не зміг створити стабільну перевагу в будь-якому ринковому циклі

Результати показують, що стратегія на основі RSI за весь період не давала значущого перевищення середнього доходу без врахування витрат. Навіть перед врахуванням торгових комісій вона була неефективною.

При розбитті ринку на різні цикли, RSI часто видавав сигнали на продаж у бульбашкових періодах, але не міг ефективно слідувати тренду. У періоди спадів і флету, хоча й з’являлися сигнали на купівлю, вони були занадто ранні, і результати залишалися поганими. Структура RSI робить його схильним до протилежних трендів, що знижує його ефективність. З точки зору ризику, коефіцієнт Шарпа більшості стратегій на основі RSI був негативним, що свідчить про високий ризик без відповідної компенсації.

MACD трохи краще, але все одно нестабільний

MACD показав кращі результати, але все одно не можна вважати його надійним. Виявлено, що сигнали на купівлю в усіх ринкових циклах не давали значущого перевищення доходу. Сигнали на продаж у періоди спадів іноді давали статистично значущі позитивні результати, і були кращими за середній без умов.

Це означає, що у періоди падінь MACD допомагає уникнути частини збитків або отримати прибуток через короткі позиції. Однак, враховуючи ризик, коефіцієнт Шарпа навіть для цих сигналів залишався низьким, що свідчить про недостатню компенсацію за волатильність. Тобто MACD корисний у певних ситуаціях, але не є довгостроковим стабільним інструментом.

Загалом, дослідження показує, що у слабко ефективному ринку Індії, базовий аналіз історичних цін не дає довгострокових переваг. Навіть у менш ефективних ринках технічний аналіз з часом втрачає свою перевагу через ринкову адаптацію. Автори наголошують, що врахування торгових витрат, проскальзувань і капітальних витрат ще більше погіршить результати.

Ця стаття — якщо стратегія справді хороша, чому не заробляти самостійно? Три дослідження розкривають жорстоку правду про продаж індикаторів, що з’явилася спочатку у Chain News ABMedia.