Od parkietu do botów: czy czytanie wykresu dziś wystarcza?
Trading nie zawsze był wykresem na ekranie. Przez większość swojej historii był spotkaniem ludzi: kupców na placu, maklerów krzyczących na parkiecie, dłoni wymieniających kartki ze zleceniami. Dopiero kolejne wynalazki, taśma giełdowa, komputer, sieć światłowodowa i wreszcie uczenie maszynowe, zmieniały to, kto i jak szybko wie, co dzieje się z ceną. Z tej historii nie wynika prosta recepta na przewagę. Wynika za to coś innego: przewaga rzadko brała się z samej intuicji. Najczęściej dokładała się do niej szybsza informacja, niższy koszt, lepsza infrastruktura albo zwykła dyscyplina liczenia tego, czego inni nie liczyli. Dziś dochodzi nowy gracz. Po drugiej stronie naszego zlecenia coraz częściej nie stoi człowiek, tylko program, który nie szuka na wykresie „głowy z ramionami”, bo w ogóle nie patrzy na niego tak jak my. To każe zadać uczciwe pytanie: czy w świecie, w którym liczą maszyny, sama umiejętność czytania wykresu wciąż wystarcza za przewagę? Nie rozstrzygniemy tego jednym tekstem. Ale historia tradingu, od placu kupieckiego po anteny mikrofalowe na dachach, pokazuje wyraźnie, czego w tym pytaniu nie wolno pominąć.
Najpierw był plac, krzyk i zaufanie
Handel giełdowy zaczyna się od ludzi w jednym miejscu. Za pierwszą publiczną spółkę i pierwszą giełdę uznaje się holenderską Kompanię Wschodnioindyjską (VOC) i Amsterdam roku 1602. Udziały rozeszły się wśród ponad tysiąca osób, a kto chciał potem wejść albo wyjść z inwestycji, szukał kontrahenta osobiście. Cena rodziła się z rozmowy, plotki, listu, który płynął tygodniami. Informacja była towarem rzadkim, a ten, kto miał ją pierwszy, miał przewagę nad resztą placu.
Po drugiej stronie Atlantyku początek wygląda równie kameralnie. 17 maja 1792 roku dwudziestu czterech maklerów podpisało w Nowym Jorku krótkie porozumienie, w którym umówili się handlować papierami tylko między sobą i według stałej, minimalnej prowizji. Przeszło do historii jako Buttonwood Agreement, od platanu (ang. buttonwood) na Wall Street, w którego pobliżu mieli zwyczaj się spotykać. Z tej umowy kilkudziesięciu ludzi wyrosła z czasem nowojorska giełda NYSE. Przez kolejne pokolenia niewiele się w tej mechanice zmieniało: liczyła się obecność, znajomości i nerwy. Trader był człowiekiem, który czytał innych ludzi.
Kto wie pierwszy
Skoro przewagę daje szybsza informacja, ludzie od początku kombinowali, jak ją sobie przyspieszyć. Czasem uczciwie, czasem nie.
W latach trzydziestych XIX wieku, zanim powstał telegraf elektryczny, Francja miała coś w rodzaju jego mechanicznego przodka: sieć wież z ruchomymi ramionami, telegraf optyczny Chappe’a, który przekazywał sygnały z miasta do miasta. Dwaj bankierzy, bracia Blanc, przez dwa lata, od 1834 do 1836 roku, przekupywali operatora w Tours, żeby ten przemycał w oficjalnych depeszach ukryty znak o ruchach paryskiej giełdy. Kod udawał zwykły błąd w transmisji, a dodatkową wskazówkę niósł rodzaj towaru wysyłanego pocztą. Dzięki temu bracia wiedzieli, w którą stronę poszły obligacje, na długo zanim wiadomość dotarła do nich zwykłą drogą, i grali, znając wynik z góry. Proceder wyszedł na jaw w 1836 roku, ale nikogo nie skazano: nie istniało prawo, które by tego zakazywało. Tom Standage w książce „The Victorian Internet” opisuje to jako jedno z pierwszych udokumentowanych oszustw telekomunikacyjnych, a publicyści nazywają je czasem „pierwszym cyberatakiem w historii”, choć w 1834 roku takiego słowa nikt nie znał. Mechanizm jest jednak boleśnie znajomy. Ktoś zapłacił za to, żeby informacja docierała do niego szybciej niż do reszty rynku. Dokładnie za to, za co fundusze wysokiej częstotliwości zapłacą prawie dwa wieki później, tyle że światłowodem.
Kilkanaście lat później ten sam problem rozwiązano legalnie. Linia telegraficzna między Niemcami a Belgią miała wtedy lukę, około siedemdziesięciu sześciu mil bez drutu, na odcinku z Akwizgranu do Brukseli. Paul Reuter obsadził tę lukę gołębiami pocztowymi. W 1850 roku czterdzieści pięć ptaków przenosiło kursy akcji i wiadomości w niespełna dwie godziny, jakieś sześć godzin szybciej niż pociąg. Gdy rok później domknięto linię telegraficzną, gołębie poszły w odstawkę, a agencja, którą Reuter zbudował na handlu szybką informacją, została z nami do dziś. W obu historiach, tej nieuczciwej i tej uczciwej, wygrywała nie lepsza analiza, tylko krótszy czas dotarcia informacji.
Taśma, która zmieniła tempo
Pierwszy duży przeskok techniczny przyniosła taśma. W 1867 roku Edward Calahan zbudował telegraficzny aparat drukujący notowania na wąskim papierowym pasku, zwanym taśmą giełdową (ang. ticker tape). Cztery lata później Thomas Edison ją ulepszył, dodając synchronizację wielu urządzeń. Po raz pierwszy kursy z parkietu dało się przesłać do biur w całym mieście niemal na bieżąco, a nie dopiero gońcem czy listem.
To wtedy w Ameryce rozwinął się nowoczesny tape reading, czyli czytanie taśmy: śledzenie strumienia cen i wolumenów, żeby wyczuć, gdzie skupia się popyt, a gdzie podaż. Nie był to początek analizy cen w ogóle, bo ruchy rynku odczytywano już wcześniej, choćby na japońskim rynku ryżu. Ale taśma dała tej praktyce nowe tempo i nową skalę. Najsłynniejszą postacią tej epoki był Jesse Livermore, sportretowany w książce Edwina Lefèvre „Reminiscences of a Stock Operator” z 1923 roku. Warto pamiętać, że to powieść oparta na jego życiu, a nie jego własny pamiętnik, więc anegdoty z niej traktujmy jak literaturę, nie jak protokół.
Mechanizm był jednak prawdziwy i powtarza się do dziś. Ktoś wymyślił nowe narzędzie, taśmę, i przez chwilę dawało ono przewagę. Potem dostali je wszyscy i przewaga zniknęła. Z tape readingu wyrosła część dzisiejszej analizy technicznej, ze swoimi figurami i wskaźnikami. Powstały one po to, żeby człowiek czytał wykres ludzkim okiem.
Maszyny wchodzą na rynek
Drugi przeskok to komputer. W lutym 1971 roku ruszył Nasdaq, początkowo jako elektroniczny system kwotowań, w którym ceny pokazywał ekran, a nie tablica i kreda. Handel zaczął się odrywać od fizycznego parkietu.
Wraz z komputerami pojawił się handel programowy (ang. program trading): zlecenia generowane automatycznie według z góry zadanych reguł, na koszykach akcji naraz. I bardzo szybko pokazał drugą twarz. 19 października 1987 roku, w dniu nazwanym Czarnym Poniedziałkiem, indeks Dow Jones spadł o 22,6 procent w jedną sesję, ponad pięćset punktów. To wciąż największy jednodniowy spadek procentowy w jego historii. Powołana potem komisja Brady’ego wskazała, że automatyczne strategie zabezpieczające, tak zwane ubezpieczanie portfela, działały jak akcelerator: spadek wymuszał sprzedaż, sprzedaż pogłębiała spadek.
Lekcja z 1987 roku jest dla nas ważniejsza niż sama data. Automatyzacja nie jest magią. Powtarza ludzkie decyzje szybciej i na większą skalę, więc równie szybko potrafi powielić błąd. Narzędzie jest tak dobre, jak proces, który w nie wbudujemy. Ta lekcja wróci w tym tekście jeszcze dwa razy.
Matematycy biorą stolik
Jeśli ktoś pokazał, dokąd ta droga prowadzi, to Jim Simons i jego Renaissance Technologies. Firma powstała pod koniec lat siedemdziesiątych, a jej flagowy fundusz Medallion ruszył w 1988 roku. Według książki Gregory’ego Zuckermana „The Man Who Solved the Market” Medallion osiągał przez ponad trzy dekady około sześćdziesięciu sześciu procent rocznie brutto i około trzydziestu dziewięciu procent po słynnie wysokich opłatach. To liczby z relacji dziennikarskich, nie z oficjalnych sprawozdań, bo fundusz jest zamknięty i tajny, więc traktujmy je jako rząd wielkości, nie jako pewnik.
Renaissance nie zatrudniał najlepszych traderów. Zatrudniał matematyków, fizyków i specjalistów od przetwarzania sygnałów. Nie pytali „jak wygląda ten wykres”, tylko „jakie zależności statystyczne kryją się w danych i czy są na tyle stabilne, by na nich zarabiać po kosztach”. To była zmiana języka. Z intuicji na pomiar.
Matematyka nie jest jednak tarczą. Najlepiej pokazuje to fundusz Long-Term Capital Management, w którego zespole zasiadali Myron Scholes i Robert Merton, rok wcześniej, w 1997, uhonorowani Nagrodą Nobla za modele wyceny instrumentów pochodnych. Trudno o mocniejszy skład. A jednak w 1998 roku, w niespełna cztery miesiące, fundusz stracił około czterech i pół miliarda dolarów, gdy rynek po rosyjskim kryzysie zachował się inaczej, niż przewidywały modele. Skala była tak duża, że nowojorski oddział Rezerwy Federalnej zwołał czternaście największych instytucji, które wspólnie złożyły się na pakiet ratunkowy rzędu trzech i pół miliarda dolarów, żeby kontrolowany rozpad nie pociągnął całego systemu. Liczy się tu jeden szczegół: pieniądze wyłożyło nie państwo, tylko prywatne banki, a Fed pełnił rolę dyrygenta, nie sponsora. Dwaj nobliści i najlepsze modele świata nie ochroniły funduszu przed jednym założeniem, które rynek złamał w najgorszym momencie. Przypadek LTCM nie podważa matematyki. Przypomina tylko, że model jest wart tyle, ile jego założenia i odporność procesu, w który go wpięto.
Wojna o mikrosekundy
Lata dwutysięczne dorzuciły szybkość. W 2001 roku amerykańskie giełdy przeszły na ceny w centach zamiast ułamków, a regulacja Reg NMS z 2005 roku, wdrażana w kolejnych latach, połączyła rynki w jedną, gęstą sieć. To otworzyło drogę dla handlu o wysokiej częstotliwości (ang. high-frequency trading, HFT), w którym o wyniku decydują ułamki sekundy.
Jak bardzo ułamki, pokazuje historia firmy Spread Networks. Około 2010 roku wydała kilkaset milionów dolarów, by przeciągnąć prawie ośmiusetmilowy światłowód w możliwie najprostszej linii z Chicago do centrum danych w Carteret w New Jersey. Cały zysk z inwestycji polegał na skróceniu czasu przesyłu zlecenia z około siedemnastu do trzynastu milisekund. Cztery milisekundy bywały warte fortunę. A i to nie był koniec wyścigu. Szybko zauważono, że światło biegnie przez szkło światłowodu wolniej niż przez powietrze, ledwie dwie trzecie swojej prędkości z próżni. Więc od 2012 roku firmy takie jak McKay Brothers zaczęły stawiać wzdłuż tej samej trasy wieże z antenami mikrofalowymi. Sygnał mikrofalowy pokonywał drogę z Chicago do New Jersey o kilka milisekund szybciej niż najlepszy światłowód, bo w powietrzu biegnie prędzej niż w szkle. Kilka milisekund, za które warto było postawić łańcuch wież przez pół kraju.
Ta sama szybkość ma drugą stronę. 6 maja 2010 roku rynkowa maszyneria pokazała pazury. W ciągu kilkunastu minut indeksy runęły, Dow chwilowo zniżkował blisko tysiąca punktów, około dziewięciu procent, po czym w godzinę odrobił większość strat. To zdarzenie weszło do historii jako Flash Crash. Michael Lewis opisał świat HFT w głośnej książce „Flash Boys” z 2014 roku. Część jego tez, że rynek jest ustawiony przeciw drobnemu graczowi, była mocno krytykowana w branży, więc to interpretacja autora, nie wyrok. Faktem pozostaje jednak coś prostszego: w wyścigu o najniższe opóźnienia przewagą jest infrastruktura, do której pojedynczy człowiek nie ma dostępu.
Lekcja z 1987 roku wraca tu po raz pierwszy. 1 sierpnia 2012 roku firma Knight Capital wgrała nową wersję oprogramowania na swoje serwery, ale na jednym z nich obudził się stary, dawno nieużywany fragment kodu. Przez około czterdzieści pięć minut algorytm wysyłał na rynek lawinę błędnych zleceń, zanim ktokolwiek go zatrzymał. W tym czasie firma straciła około czterystu czterdziestu milionów dolarów. Nie zbankrutowała z dnia na dzień, bo w ostatniej chwili dokapitalizowali ją inwestorzy, ale straciła samodzielność i kilka miesięcy później trafiła do połączenia z firmą Getco. Jeden martwy fragment kodu na jednej maszynie wystarczył, żeby jeden z największych pośredników na amerykańskiej giełdzie przestał istnieć jako niezależna firma.
Narzędzia schodzą na biurka
Tu zaczyna się część, która dotyczy nas bezpośrednio. To, co kiedyś było zarezerwowane dla funduszy, zaczęło schodzić na zwykłe biurko. Brokerzy udostępnili interfejsy programistyczne (ang. API), dane historyczne potaniały, a moc obliczeniowa wystarczająca do testów zmieściła się w laptopie. To jest prawdziwa, cicha demokratyzacja: ktoś w domu może dziś policzyć to, co kiedyś liczyły tylko instytucje.
Najgłośniejszy obraz siły detalu przyszedł w styczniu 2021 roku. Społeczność z forum WallStreetBets w serwisie Reddit rzuciła się na akcje GameStop, na których fundusze hedgingowe miały duże pozycje krótkie, czyli grały na ich spadek. Cena, w wartościach z tamtego okresu i bez korekty o późniejszy podział akcji, poszła z około dwudziestu dolarów do blisko pięciuset w niespełna trzy tygodnie. 28 stycznia broker Robinhood wstrzymał po stronie detalicznej nabywanie najgorętszych spółek, co rozpętało osobną burzę o to, po czyjej stronie naprawdę stoi rynek.
GameStop bywa opowiadany jako dowód siły drobnego gracza, ale pokazuje co innego, niż się zwykle mówi. To dowód siły koordynacji i mediów społecznościowych, nie dowód, że detalista zbudował powtarzalny warsztat badawczy. Przewrócenie stolika raz na dekadę to nie metoda. Prawdziwa zmiana jest mniej efektowna i leży gdzie indziej: w tych API, danych i mocy obliczeniowej, dzięki którym można dziś w domu sprawdzać hipotezy o rynku. Pytanie, które nas interesuje, brzmi właśnie tak: czy z tych narzędzi da się zbudować coś, co działa powtarzalnie i po cichu, a nie raz na dekadę i z hukiem.
Maszyna nie patrzy na wykres tak jak my
Ostatni element tej układanki jest najmłodszy. W grudniu 2017 roku zespół DeepMind pod kierunkiem Davida Silvera pokazał system AlphaZero, opisany rok później w czasopiśmie „Science”. W odróżnieniu od wcześniejszego AlphaGo, który uczył się też na partiach rozegranych przez ludzi, AlphaZero dostawał wyłącznie reguły gry i grał sam ze sobą miliony razy. W mniej niż dobę treningu, osobno dla każdej z gier, osiągał poziom nie do pobicia dla człowieka w szachach, shogi i go, a do tego grał ruchami, które ludzkim mistrzom wydawały się dziwne, dopóki nie okazywały się skuteczne.
Piszemy o tym, bo AlphaZero pokazuje coś istotnego: model potrafi znaleźć wzorce zupełnie inne niż te, które wymyślił człowiek. Nie musi opierać się na figurach nazwanych przez nas, trójkątach, flagach, wsparciach. Tu jednak trzeba postawić granicę, bo analogia łatwo myli. Gra planszowa ma stałe reguły, pełną widoczność i jednego przeciwnika. Rynek nie ma żadnej z tych rzeczy. A model uczący się z danych wcale nie dostaje „czystej prawdy” w postaci surowych liczb. Dostaje dane, cel i sposób patrzenia, które ktoś, czyli my, musi mu najpierw wybrać i przygotować. AlphaZero nie podsuwa więc gotowej strategii na rynek. Podsuwa pytanie, które prowadzi nasz warsztat: skoro maszyna potrafi znaleźć wzorce, których my nie widzimy, to czy karmić ją naszymi wskaźnikami z analizy technicznej, czy pozwolić jej szukać po swojemu, na danych i kosztach, które dopiero musimy uczciwie policzyć.
Co z tej historii wynika
Przez czterysta lat zmieniało się narzędzie: gołąb, taśma, komputer, światłowód, antena mikrofalowa, sieć neuronowa. I za każdym razem ktoś zyskiwał przewagę nie dlatego, że lepiej patrzył, tylko dlatego, że miał coś, czego inni jeszcze nie mieli: szybszą informację, niższy koszt, sprawniejszą maszynę albo nawyk mierzenia tego, czego inni nie liczyli. Kiedy to coś stawało się powszechne, przewaga topniała i trzeba było szukać dalej. To nie jest prawo, które gwarantuje, że historia się powtórzy. To obserwacja, która podpowiada, gdzie szukać.
Analiza techniczna to potężny język, ale język ludzki. Powstała, żeby człowiek czytał wykres okiem, w czasach taśmy giełdowej. Na rynku, gdzie po drugiej stronie naszego zlecenia coraz częściej liczy program, samo oko może nie wystarczać za całą przewagę. Program liczy koszty, poślizg (czyli różnicę między ceną, której się spodziewamy, a tą, po której zlecenie naprawdę się wykona) i mikrostrukturę rynku (czyli mechanikę tego, jak powstają i kojarzą się zlecenia) w skali, w której ludzkie oko nie nadąża. To nie znaczy, że analiza techniczna przestała działać. Znaczy, że rośnie obok niej rola danych, kosztów i sprawdzalnego procesu.
Możemy więc przesunąć ciężar z patrzenia na mierzenie. Lepszy proces nie gwarantuje wyniku, ale pozwala sprawdzić założenia, policzyć koszty i zobaczyć, jak bardzo możemy się mylić. To nie jest obietnica. To zmiana pytania. Zamiast „jaki wskaźnik daje sygnał” pytamy „czy ten sygnał w ogóle przeżyje koszty, i jak bardzo mogę się mylić”.
Czego ta historia nie dowodzi
Uczciwość wobec danych jest tu ważniejsza niż dobra puenta, więc powiedzmy wprost, czego ta opowieść nie udowadnia. Nie dowodzi, że trader detaliczny wygra z funduszami. Nie dowodzi, że uczenie maszynowe da nam przewagę. Nie dowodzi nawet, że analiza techniczna jest bezużyteczna, bo nadal opisuje realne zachowania innych uczestników rynku. Pokazuje za to, że samo czytanie wykresu okiem to dziś jedno z wielu źródeł przewagi, i prawdopodobnie nie najsilniejsze.
Zostaje jedna rzecz, mniejsza, ale za to sprawdzalna. Pytanie „czy mam przewagę i jak duże mam szanse przegrać” da się rozłożyć na liczby. A skoro da się je rozłożyć na liczby, to nikt nie sprawdzi ich za nas. Reszta to już praca, nie wiara.
Program badań Bractwa
Dlatego nie zaczynamy od strategii. Zaczynamy od pytań, które da się sprawdzić, i od zgody na każdą odpowiedź, także tę niewygodną. Tak rozumiemy nasz warsztat badawczo-wdrożeniowy.
Pytania, na których budujemy, brzmią mniej więcej tak:
- Czy w ogóle potrafimy wiarygodnie zmierzyć, ile kosztuje jedna transakcja na mikrokontrakcie MES (małym kontrakcie terminowym na indeks S&P 500), licząc prowizję, spread i poślizg, i jak ten koszt zżera wynik w skali setek transakcji.
- Czy „dobre wejście” przechodzi przez sito danych i kosztów, czy znika, gdy policzymy je uczciwie.
- Czy model uczony na danych, które sami mu przygotujemy, znajduje zależność, której nasze oko nie widzi, i czy ta zależność jest realna, czy tylko dopasowana do przeszłości.
- Czy przewaga, jeśli się pojawi, jest stabilna między różnymi okresami i stanami rynku, czy to artefakt jednego spokojnego roku.
- Czy nasz proces nie wysadza się sam, gdy dane są błędne, rynek zmienia charakter albo zawiedzie samo wykonanie zlecenia. Czarny Poniedziałek, LTCM i Knight Capital mówią jasno, że automat bez bezpieczników powiela błąd szybciej, niż zdążymy zareagować.
Do każdego z tych pytań mamy ten sam zestaw zasad. Pokazujemy źródła. Pokazujemy granice twierdzeń. Publikujemy też wyniki ujemne, bo dobrze uzasadnione „to nie działa” jest cenniejsze niż efektowne „to działa” bez zrozumienia, dlaczego. Jeśli po zebraniu rzetelnej próbki okaże się, że przewagi nie ma, to również jest wynik. Pozwala świadomie zmienić kierunek, zamiast karmić złudzenie.
Historia tradingu jest historią narzędzi, które na chwilę dawały przewagę, dopóki nie dostali ich wszyscy. Od przekupionego operatora telegrafu po antenę mikrofalową na dachu. Nasze narzędzie na tę chwilę to dostępna dziś technologia plus upór, żeby wszystko policzyć. Czy to wystarczy, sprawdzamy na bieżąco i na oczach czytelnika.
Piśmiennictwo
Narracja opiera się na kilku książkach, które warto sięgnąć dla pełniejszego obrazu. Nie cytujemy z nich wprost; wskazujemy je jako źródła i lekturę uzupełniającą.
Książki, na których oparta jest narracja
- Tom Standage, The Victorian Internet, 1998 (Walker & Company). Telegraf XIX wieku jako pierwowzór globalnej sieci informacyjnej; źródło opisu oszustwa braci Blanc. Brak wydania polskiego.
- Edwin Lefèvre, Reminiscences of a Stock Operator, 1923 (George H. Doran). Zbeletryzowana biografia Jesse’ego Livermore’a, klasyk psychologii spekulacji i czytania taśmy. Wydanie polskie: Wspomnienia gracza giełdowego (Wydawnictwo Linia).
- Gregory Zuckerman, The Man Who Solved the Market, 2019 (Portfolio / Penguin). Jim Simons i fundusz Medallion, narodziny tradingu ilościowego. Wydanie polskie: Człowiek, który rozszyfrował rynki finansowe, 2020 (MT Biznes).
- Michael Lewis, Flash Boys: A Wall Street Revolt, 2014 (W. W. Norton). Handel wysokiej częstotliwości i wyścig o mikrosekundy. Wydanie polskie: Błyskotliwi chłopcy. Rewolta na Wall Street, 2014 (Sonia Draga).
Dalsza lektura o metodzie (z naszej biblioteki)
Historia opisuje pojedyncze epoki. To, co próbujemy z niej wyciągnąć, czyli mierzenie przewagi i odróżnianie umiejętności od przypadku, ma własną literaturę:
- Nassim Nicholas Taleb, Fooled by Randomness (wyd. polskie Zwiedzeni przez losowość). O myleniu szczęścia z umiejętnością; wprost temat zakończenia tego tekstu.
- Benjamin Graham, Inteligentny inwestor. O granicy między inwestowaniem a spekulacją, wciąż aktualnej, gdy po drugiej stronie zlecenia stoi maszyna. Nasza recenzja →
To materiał edukacyjny o historii rynków i metodzie pracy, nie porada inwestycyjna ani rekomendacja. Opisujemy przeszłość i sposób myślenia, nie mówimy, co i kiedy robić ze swoimi pieniędzmi. Handel instrumentami finansowymi wiąże się z ryzykiem straty kapitału. Dane historyczne i liczby podajemy za źródłami wymienionymi poniżej; gdy źródła się różnią, traktujemy je jako rząd wielkości, nie jako pewnik.