Dlaczego analiza techniczna działa?

--- reklama ---
Nie daj się oszukać funduszom inwestycyjnym! Osiągnij regularny zysk inwestując samodzielnie w akcje na rynku kapitałowym. Zobacz więcej >>


Analiza techniczna jest metodą badania rynku finansowego wykładaną na prestiżowych wyższych uczelniach (m.in. na Cambrige, Harward, SGH itd.). Na jej temat publikowanych jest setki książek znanych wydawnictw i nie mniej znanych naukowców i inwestorów. Nie może więc dziwić fakt, że wielu inwestorów uważa ją za podstawową metodę, na podstawie której podejmują decyzję inwestycyjną. Równocześnie nie mniej znani i cenieni inwestorzy oraz naukowcy, całkowicie negują jej przydatność prognostyczną, traktując analizę techniczną na równi z wróżbiarstwem generującym przychody wyłącznie dla autorów książek i wydawnictw. Pożywką dla tego typu postaw jest niewątpliwie fakt ( o czym wielokrotnie mogli się przekonac inwestorzy stosujacy analizę techniczną), że prognozowanie za pomocą analizy technicznej obarczone jest dużym błędem a zatem przynoszącym straty. Do dnia dzisiejszego, pomimo olbrzymich nakładów finansowych na badania nie udało się stworzyć naukowcom powszechnie akceptowalnego modelu, który umożliwiłby wiarygodne prognozowanie rynków finansowych (takie modele zostały stworzone ale  utrzymywane są w tajemnicy przez  fundusze inwestycyjne i hedgingowe). Obecnie panuje powszechne przekonanie, że analiza techniczna może być stosowana do badania rynku finansowego wyłącznie w krótkim terminie. Zastanówmy się zatem dlaczego wśród naukowców i inwestorów panuje taka duża rozbieżność. Generalnie uznaje się, że analiza techniczna to prognozowanie przyszłego zachowania się kursu cen na podstawie jego historycznych zmian. Naukowe metody prognozowania opierają sie na załozeniu, że prognoza może być wyznaczona w oparciu o determinizm istniejacy w modelu badanego zjawiska.

Do opisu wszystkich zjawisk wykorzystuje się dwa rodzaje modeli – statystyczny i deterministyczny.
Model statystyczny to układ hipotez, który przedstawia zasadnicze powiązania występujące pomiędzy rozpatrywanymi posługując się prawdopodobieństwem (wykorzystując probabilistykę) . Natomiast model deterministyczny to model, który danemu na wejściu zdarzeniu jednoznacznie przypisuje konkretny stan, a ewolucja układu w modelu jest z góry przesądzona (nie zawiera żadnego elementu losowości) i zależy wyłącznie od parametrów początkowych lub ich wartości poprzednich (posługuje się błędem pomiarowym i błędem prognozy). Niestety w szczególnych przypadkach małe odchylenia parametrów początkowych mogą prowadzić do dużych zmian w wyniku końcowym (w tzw. model chaosu deterministycznego). Do opisu deterministycznego wykożystuje się często skomplikowane układy równań różniczkowych lub różnicowych. W praktyce stosuje się ten model (statystyczny lub deterministyczny), który daje lepsze rezultaty prognostyczne, lub jest łatwiejszy w zastosowaniu (zależy to od złożoności obliczeniowej).
Do opisu giełdy w dużych funduszach inwestycyjnych najczęściej stosuje się model statystyczny. Opisuje się go podobnie do ruchu cząsteczki płynu lub gazu, która jest z każdej strony bombardowana przez inne cząsteczki – duże i małe podobnie jak aktualna cena rynkowa jest bombardowana dużymi i małymi zleceniami kupna i sprzedaży (i pod ich napływem się zmienia). Typowym modelem statystycznym jest model ruchów Browna sformalizowany przez Alberta Einsteina do opisu cząsteczek a obecnie używany do modelowania ruchów cen giełdowych.
Analiza techniczna jest jednak modelowaniem deterministycznym. Zastanówmy się czy są szanse na to aby taki opis mógł dawać przydatne rezultaty.
Gdy chcemy obliczyć proste zjawisko fizyczne np. miejsce upadku pocisku armatniego, gdy mamy dane określone parametry (siłę, kąt oraz kierunek wyrzutu), jesteśmy w stanie stworzyć prosty model matematyczny (parabolę -tzw. równanie kwadratowe), za pomocą którego wyznaczymy ten punkt ze stosunkowo dużą precyzją. Podobnie jest z wykonywaniem niektórych rzutów przez człowieka określonymi przedmiotami: piłką, kulą , kamieniem, rzutką. W tym przypadku model stworzony jest intuicyjnie przez nasz mózg, który w wyniku określonego treningu pozwala nam na stosunkowo precyzyjny rzut. Są to typowe modele deterministyczne, w których wynik całkowicie zależy od warunków początkowych. Kolejny przykład, który jest już znacznie trudniejszy. Prognozowanie rzutu monetą, na którą stronę upadnie awers czy rewers. Chociaż uczy się w szkole, że wynk rzutu jest losowy, w praktyce nie ma nic wspólnego z losowością. Jest to typowy model deterministyczny, gdyż w momencie rzutu mamy wszystkie dane początkowe np. siłę wyrzutu, miejsce przyłozenia siły, od których zależy wynik końcowy. Dlaczego zatem mówi się, ze wynik jest losowy. Otóż w tym przypadku wystarczy minimalna warunków początkowych, aby faktycznie wynik był nie do przewidzenia. Kolejny przykład : spróbujmy wyznaczyć miejsce upadku ptasiego piórka. Okazuje się, że nieważne z jaką dokładnością byśmy nie zmierzyli siły rzutu, kierunku, siły wiatru itd. (tzw. warunków początkowych) nawet przy pomocy najlepszych komputerów i modeli matematycznych nie będziemy w stanie tego określić. Badaniami takich procesów zajmował Lapunow. Procesy deterministyczne, które mają rożne wyniki w zależności od niewielkich zmian początkowych nazwano chaotycznymi (chaos deterministyczny). Lapunow ppracował on wykładniki (znane jako wykładniki Lapunowa ), które umożliwiają nam określenie jak bardzo chaotyczny (nieprognozowalny, wrażliwy na warunki początkowe jest proces). Obliczanie wykładników Lapunowa dla układów wielowymiarowych jest bardzo złożone. Mogą one przybierać wartości ujemne, równe zero i dodatnie. Dodatnia wartość największego wykładnika oznacza, że układ jest chaotyczny. Deterministyczny model giełdy (oraz jego wykładniki Lapunova) nie jest aktualnie powszechnie znany. Żeby wytłumaczyć problemy jakie są z budową deterministycznego modelu giełdy wróćmy do rzutu monetą. Napisaliśmy, że model rzutu monetą jest znany i można policzyć jego wynik (awers czy rewers) tuż po rzucie. W rzeczywistości możemy policzyć wynik ale niezależnie od tego jak dokładnie byśmy nie zmierzyli sił początkowych itd. wynik końcowy będzie miał bardzo duży błąd prognozy. Jest to cecha tzw. układów chaotycznych modelowanych przez tzw. chaos deterministyczny. Chodzi o to, że cały proces z natury jest deterministyczny ale niezależnie od dokładności pomiaru początkowego wynik prognozy będzie obarczony bardzo dużym błędem. Chaos deterministyczny odkryto w latach 80 lecz dopiero od niedawna jest gruntownie badany i rozwijany. Jest niemal pewne, że model deterministyczny giełdy jest reprezentowany przez zjawisko chaosu deterministycznego. Czy to oznacza, że będziemy mogli prognozować kurs giełdy wyłącznie z bardzo dużym przybliżeniem (nawet przekraczającym możliwość osiągnięcia zysków) tak jak ma to miejsce przy rzucie monetą? Niekoniecznie. Błąd prognozy w chaosie deterministycznym może się zmieniać płynnie o zera do nieskończoności. Możemy to porównać z rzutem monetą, która obraca się szybko lub wolno i upada na miękką powierzchnię nie powodując odbić. Jeżeli rzucimy monetą tak żeby się nie obracała to z łatwością policzymy efekt rzutu. Stosując ten sam model, jeżeli rzucimy monetą tak żeby się obracała szybko błąd prognozy będzie bardzo duży. Rzucając monetę w różny sposób możemy jak gdyby regulować błąd prognozy. Odnosząc to do piórka – bez żadnych powiewów wiatru błąd prognozy upadku piórka nie będzie aż taki duży (niskie wartości wykładników) ale wystarczy lekki powiew wiatru żeby prognozy były kompletnie bezużyteczne. Przypuszcza się, że z giełdą jest podobnie. Mianowicie są momenty gdzie rynek zachowuje się bardzo przewidywalnie oraz takie gdzie jest kompletnie „losowy”. Możliwe, że momenty przewidywalne (o niskich wykładnikach Lapunova) da się znaleźć stosując analizę techniczną i wyłapując w niej powtarzalne wzorce. Niewątpliwie warto jest prowadzić dalsze poszukiwania modelu prognozowania rynków finansowych oczywiście przy założeniu, że poszukujemy modelu deterministycznego o dynamice chaotycznej i z całą tego konsekwencją. Jak wskazaliśmy wyżej dodatkowe trudności może przysparzać fakt, że model deterministyczny giełdy zmienia się w czasie (zmienne w czasie wykładniki Lapunova). Do budowania modeli deterministycznych o takiej charakterystyce najlepiej nadają się sieci neuronowe – ale to opiszemy w kolejnym artykule.
Zapraszamy do dopisania się do newslettera i czytania kolejnych artykułów m.in. opiszemy najlepsze znane strategie analizy technicznej i dokładniej opiszemy możliwości użycia modelowania chaosu deterministycznego w prognozowaniu rynków.