Akademijos "Ekonominės analizės taikymas praktikoje" skaidrės. Video paskaita www.investuok.org

1. Įvadas: rinkas sudaro žmonės (ir robotai)
34.60
41.97

2. I
• Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis
pasiskirstymas
II
• Įprastas prekybos robotų ir algoritminės prekybos suvokimas
III
• Realiai rinkoje veikiančių algoritmų dauguma
IV
• Reali prekyba pagal FA ir TA, profesionalų tipinis pasiskirstymas
V
• Pasirinkimai, elgesys, duomenų nauda, rinkos dinamika

3. I
• Klasikiniai FA ir TA
apibrėžimai;
• Susijusios problemos;
• Smulkiųjų tipinis
pasiskirstymas.

4. Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas
Įprasta techninė analizė
Techninė analizė – bandymai nuspėti ateities kainų judėjimą, remiantis praeities kainos
pokyčių duomenimis, šablonais, rinkų judėjimo tendencijomis.

5. Įprasta fundamentalioji analizė
Fundamentalioji analizė – bandymai nuspėti ateities kainų judėjimą, remiantis praeities
makroekonominiais, monetarinės ar fiskalinės politikos politikos duomenimis/sprendimais,
įtakingų institucijų ar jų atstovų pasakymais.
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

6. Analizės metodų problemos (I)
• Bandoma vadovautis praeities informacija, sprendžiant apie ateitį – tas pats, kas važiuoti
pirmyn žiūrint pro galinį langą
• Metodai nėra priklausomi nuo situacijos: jie yra statiški ir nesikeičiantys
• Subjektyvus pasirinkimas: kodėl kreipti dėmesį į A, bet nekreipti į B ?
1. Ar CPI ex-food/energy yra geresnis rodiklis, nei Core CPI ?
2. Ar 9/20 EMA cross yra geriau, nei 10/30 SMA cross ?
3. Jei žiūrim į GDP + support ir Bolingerį, kodėl už borto lieka MACD su CPI ir H&S ?
Nėra jokio konteksto tik padriki / atskiri / nesusiję wishful thinking elementai.
Aš naudoju, todėl, kad geriausias, todėl kad turi veikti, todėl veiks.
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

7. Analizės metodų problemos (II)
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

8. Analizės metodų problemos (III)
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

9. Analizės metodų problemos (IV)
0.9
0.95
1
1.05
1.1
1.15
1.2
1.25
1.3
EUR/CHF
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

10. Smulkiųjų investuotojų pasiskirstymas
TA FA
TA yra geriau ?
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

11. Smulkiųjų investuotojų pasiskirstymas
TA FA
90 procentų pradedančiųjų praranda 90 procentų savo pinigų per pirmas 90 dienų
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

12. II
• Įprastas prekybos
robotų ir algoritminės
prekybos suvokimas

13. Įprastas prekybos robotų ir algoritminės prekybos suvokimas
Algoritminė prekyba
Algoritminė prekyba – prekyba finansų rinkose, kuomet sprendimus priima automatizuota
sistema nereikalaujanti (arba reikalaujanti minimalaus) žmogiškojo įsikišimo. Tokios
sistemos sprendimai būna priimami pagal iš anksto nustatytus kriterijus.
If ma(15)>ma(10);
& MACD(30,2,17)<20;
buy;
Else
If ma(15)<ma(10)
& MACD(30,2,17)>20;
sell;
End.

14. Įprastas prekybos robotų ir algoritminės prekybos suvokimas
Naudojami metodai ir modeliai
• Labai paprasti matematiniai modeliai
• Vidurinės mokyklos lygio statistiniai modeliai
• Kartais įterpiami savamoksliai makro/monetariniai metodai
• Dažniausiai vykdomas in-sample optimizavimas
• Net ir out of sample optimizavimas beveik visada būna
atliekamas klaidingai

15. Įprastas prekybos robotų ir algoritminės prekybos suvokimas
Dirbama su klaidingu parametru
Modeliai lipdomi iš kainos, o ne kainos pokyčių
Kaina nėra mean reverting ar pilnai stochastic procesas !
0
50
100
150
200
250
-0.3
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Kainos pokyčiai LMT kaina MA(100)

16. Įprastas prekybos robotų ir algoritminės prekybos suvokimas

17. III
• Realiai rinkoje
veikiančių algoritmų
dauguma

18. Realiai rinkoje veikiančių algoritmų dauguma
Profesionalūs algo
1. Market making robotai
2. HFT strategijos (MM, arbi, etc)
3. Agent based machine learning modeliai
4. Paprastesnės, PhD lygio statistika paremtos strategijos

19. Realiai rinkoje veikiančių algoritmų dauguma
Market making robotai
Pagrindinis tikslas – palaikyti rinkos likvidumą, vykdant tiek pirkimo, tiek
pardavimo sandorius.
BID Price Ask
0 14 21152
0 13 6566
0 12 3220
100 11 100
5454 10 0
6654 9 0
32133 8 0 BID Kaina ASK

20. Realiai rinkoje veikiančių algoritmų dauguma
HFT strategijos (I)
Aukšto dažnio strategijos (high frequency trading) veikia mili arba nano sekundžių
intervaluose. Strategijų tikslas – per kuo trumpesnį laikotarpį padaryti kuo daugiau
apyvartos.
HFT algoritmai kuriami, siekiant pergudrauti kitus rinkoje veikiančius HFT algoritmus.
Todėl dažnai į strategiją įeina nuolatinis pavedimų atšaukimas, dirbtinis apyvartų
kūrimas, pirkimų ir pardavimų vykdymas tą pačią sekundę ir t.t.
1. Market making
2. Fiktyvūs pavedimai
3. Statistinis arbitražas

21. Realiai rinkoje veikiančių algoritmų dauguma
HFT strategijos: MM (II)
BID Kaina ASK

22. Realiai rinkoje veikiančių algoritmų dauguma
HFT strategijos: fikcija (III)
BID Price Ask
0 14 21152
0 13 6566
0 12 3220
100 11 100
5454 10 0
6654 9 0
32133 8 0
BID Price Ask
0 14 21152
54984 13 6566
0 12 3220
100 11 100
5454 10 0
6654 9
32133 8 0
BID Price Ask
0 14 21152
0 13 8553
100 12 3300
2664 11 0
2454 10 0
6654 9 0
32133 8 0
Atšaukimai, fiktyvūs pavedimai, rinkos užkišimas
Iš to gaunamas laiko arba kainos pozicijos pranašumas. Bet dažniausiai dirbama dėl laiko
pranašumo.

23. Realiai rinkoje veikiančių algoritmų dauguma
HFT strategijos: stat arbi (IV)
Statistinės arbitražo galimybės nuo įprastų skiriasi tuo, jog iš jų uždirbti galima
statistiškai, bet ne garantuotai !
0
5
10
15
20
25
30
35
1 2 3 4 5 6
VIX Standart Vidurkis VIX inv
VIX Standart Vidurkis VIX inv
12 16 32
13 17 25
14 18 23
16 19 20
20 21 22
22 22 24

24. Realiai rinkoje veikiančių algoritmų dauguma
HFT strategijos: stat arbi (IV)
Statistinės arbitražo galimybės nuo įprastų skiriasi tuo, jog iš jų uždirbti galima
statistiškai, bet ne garantuotai !
0
5
10
15
20
25
30
35
1 2 3 4 5 6
VIX Standart Vidurkis VIX inv
VIX inv Vidurkis Pelnas
32 16 +6
25 17
23 18
20 19
22 21 -1
24 22

25. Realiai rinkoje veikiančių algoritmų dauguma
Agent based machine learning modeliai
Sukuriama aplinka, kurioje virtualūs pilnai (arba ne) racionalūs agentai priima
tikimybėmis paremtus sprendimus, iš kurių pasekmių mokosi ir remiasi, prieš
priimdami ateities sprendimus, o pati sistema nuolat evoliucionuoja, priklausomai nuo
priimtų sprendimų ir tikėtinų ateities sprendimų.
Paprastesnės, PhD lygio statistika paremtos strategijos (I)
Paprastas stat arbi, tam tikro lygio MM modeliai, momentumo ir standartinių nuokrypių
strategijos, kointegracija, deltos neutralizacija, statistinis smart beta/alpha ištraukimas.

26. Realiai rinkoje veikiančių algoritmų dauguma
Paprastesnės, PhD lygio statistika paremtos strategijos (II)
Paprastas stat arbi, tam tikro lygio MM modeliai, momentumo ir standartinių
nuokrypių strategijos, kointegracija, deltos neutralizacija, statistinis smart
beta/alpha ištraukimas.
1. Išskaičiuojame kainos pokyčius (returns)
2. Surandame standartinį nuokrypį ir vidutinį
pokytį per X
3. Po Y pokyčio, žiūrime, kiek liko iki standartinio
X pokyčio: jei nukrito, tuomet liko daugiau, jei
pakilo, tuomet mažiau
4. Skaičiuojame tokių pokyčių tikimybę
remdamiesi standart normal distribution
5. Kuomet pokyčiai per dideli, imamės atitinkamų
veiksmų

27. Realiai rinkoje veikiančių algoritmų dauguma
Paprastesnės, PhD lygio statistika paremtos strategijos (III)
Paprastas stat arbi, tam tikro lygio MM modeliai, momentumo ir standartinių
nuokrypių strategijos, kointegracija, deltos neutralizacija, statistinis smart beta/alpha
ištraukimas.
1. Pasirenkame aktyvus, kurie turi kažkokį, statistiškai besikartojantis ryšį
2. Kointegruojame juos ir gauname svorius, kiek kiekvieno iš aktyvo reikia nupirkti tam
tikru momentu
A)
3. Per laiką svoriai keičiasi, atitinkamai keičiame ir aktyvų portfelį
4. Vykdant pakeitimus per laiką uždirbama
B)
5. Perkame/parduodame, kuomet nukrypimai nuo statistinio ryšio tampa labai dideli (pvz
2 sigmos)
Pavyzdžiui Tiffany ir deimantų kainos turi smarkų tiesioginį sąryšį

28. Realiai rinkoje veikiančių algoritmų dauguma
Paprastesnės, PhD lygio statistika paremtos strategijos (IV)
Paprastas stat arbi, tam tikro lygio MM modeliai, momentumo ir standartinių
nuokrypių strategijos, kointegracija, deltos neutralizacija, statistinis smart
beta/alpha ištraukimas.
1. Pasirenkame aktyvus, kurie turi kažkokį aiškų statistinį sąryšį (pvz koreliacija)
2. Filtruojame pasirinkimų sandorius ir jų kainas
3. Perkame ir parduodame įvairius pasirinkimo sandorius siekdami, kad per tam tikrą
laiką portfelio vertė (tiek įvertinus aktyvą, tiek pasirinkimo sandorius) nesikeistų
4. Pirkdami/parduodami pasirinkimo sandorius privalome suformuoti portfelį, kuriame
būtų daugiau opcionų pardavimo sandorių
5. Per laiką generuojame grąža iš time decay aka theta (pasirinkimo sandorio
nuvertėjimo per laiką)

29. Realiai rinkoje veikiančių algoritmų dauguma
Paprastesnės, PhD lygio statistika paremtos strategijos (V)
Paprastas stat arbi, tam tikro lygio MM modeliai, momentumo ir standartinių
nuokrypių strategijos, kointegracija, deltos neutralizacija, statistinis smart
beta/alpha ištraukimas.
1. Indeksą išskaidome sektoriais arba atskirais aktyvais
2. Ieškome aktyvų, kurie outperform’ino arba underperform’ino indeksą
3. Perkame/parduodame pigesnius/brangesnius nei indeksas aktyvus
4. Formuojame ir balansuojame portfelį, remdamiesi tam tikrais overvalued/undervalued
kriterijais

30. IV
• Reali prekyba pagal FA
ir TA, profesionalų
tipinis pasiskirstymas

31. Reali prekyba pagal FA ir TA, profesionalų tipinis pasiskirstymas
Profesionali TA (I)
Profesionali TA remiasi ne tuo, jog tam tikras indikatorius kažką rodo, todėl turėtų būti
taip, o tuo, jog didelis kiekis žmonių mato šį indikatorių, todėl daugelis juo gali
pasinaudoti, todėl kaina gali reaguoti. Taip pat pridedama ir statistikos.
Eurostoxx50 (3,431) – 200-dma at 3,485. 1.618 target ~3,560
SPX (2,100) – Thick ~2,121-2,135. Support down at 2,063-52
WTI (45.43) – Wary below 44.46-31. Cld open ABC to 39.52

32. Reali prekyba pagal FA ir TA, profesionalų tipinis pasiskirstymas
Profesionali TA (II)
The index has broken its Sep. 29th uptrend. It’s come close enough to ~2,120.84 (a
1.618 extension target taken from the August low).
If truly in a bullish sequence, this should be an ideal place to start a corrective 4th
wave. Fourth waves tend to retrace between 23.6% and 38.2% of the length of wave
3; i.e. between 2,059 and ~2,023. Anything below 2,023-2,020 would however warn
of a more material corrective cycle forming (wave 4 should not retrace further than
the top of wave 1 at 2,020).
The first big level to focus on is 2,063-2,052.51. This includes the 200-dma, 23.6%
retracement of the rally since September and gap support from Oct. 22nd.
Jei TA naudojama aktyviam pastoviam sprendimų priėmimui, kuriami algo pagal
aptartus metodus

33. Reali prekyba pagal FA ir TA, profesionalų tipinis pasiskirstymas
Profesionali FA
Tiek monetarinės politikos, tiek makroekonominių rodiklių, tiek geopolitikos ir visų kitų
galimai susijusių faktorių vertinimas tam tikrame kontekste.
Prastesni Kinijos duomenys ? Ar tikrai prastesni ? Valiutos įtaka. Nėra jokių ilgalaikių
pasekmių. Rinkos krenta be jokios realios priežasties. Emocinė reakcija.
Plus, Kinijai reikia pigios valiutos. FED nori kelti, bet bijo. Tačiau Kinija nori, kad FED
keltų. Papildomas akstinas FED.
ECB norėtų skatinti, bet paskelbimas apie skatinimą ir FED kėlimas veikia kaip
skatinimas. Gali užtekti žodinės intervencijos.
Junk bonds crashino ant neigiamų emocinių lūkesčių. Bet ECB skatinimas spaus
yield’us, mažės spreadai. Plus Kinijos atsigavimas ir FED kėlimas signalizuoja risk on !

34. Reali prekyba pagal FA ir TA, profesionalų tipinis pasiskirstymas
Strateginiai ir taktiniai sprendimai
TA yra skirta taktiniams, o FA skirta strateginiams sprendimams. Kai kurie gyvena be
taktikos, tačiau joks profesionalas negyvena be strategijos.
Galvoti, kad MA crossoweris (ar pan.) yra strategija tiek pat naivu, kiek tikėti
horoskopu.

35. Profesionalų pasiskirstymas
TA FA
FA yra geriau ?
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

36. Profesionalų pasiskirstymas
TA FA
FA ir TA kombinacija
Strategija paremta realiais fundamentaliais faktoriais, o taktiniai
sprendimai ir įėjimo taškai pasirenkami pagal esminius TA momentus
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

37. Profesionalų pasiskirstymas
TA FA
FA ir TA kombinacija
TA yra daugiau analitikų, o ne pinigų/portfelių valdytojų užsiėmimas
Klasikiniai FA ir TA apibrėžimai, susijusios problemos, smulkiųjų tipinis pasiskirstymas

38. V
• Pasirinkimai, elgesys,
duomenų nauda,
rinkos dinamika

39. Pasirinkimai, elgesys, duomenų nauda, rinkos dinamika
Pasirinkimai ir elgesys (I)
Du žmonės, turintys vienodas strategijas ir vienodas idėjas, gali uždirbti visiškai
skirtingas sumas dėl pasirinkimų ir skirtingo rizikos vertinimo
Biases ir heuristics
Elgsenos finansai aiškina dažniausiai daromas investuotojų psichologines klaidas,
kurios turi didelę įtaką prekybai.
Psichologijos, savęs valdymas yra sprendimų priėmimas yra svarbiau, nei tam tikri
taktiniai sprendimai.

40. Pasirinkimai, elgesys, duomenų nauda, rinkos dinamika
Pasirinkimai ir elgesys (II)
-35
-30
-25
-20
-15
-10
-5
0
5
10
15
PelnasNuostolis
Vertės funkcija

41. Pasirinkimai, elgesys, duomenų nauda, rinkos dinamika
Istorinių duomenų nauda
Istoriniai duomenys yra menkaverčiai
Nėra jokių objektyvių prielaidų, kodėl istorija turėtų kartotis arba nesikartoti.
Įvairūs šablonai ir asociacijos bei bandymai spėti ateitį iš praeities bei tikėjimas, kad
tai veikia, yra nieko daugiau, nei žmogaus noras viską paaiškinti. Psichologinis triukas,
kuriuo apgauname save, siekdami miegoti ramiau.
Remiantis istoriniais duomenimis ir vis atnaujinant strategiją kurį laiką pelningai
prekiauti įmanoma. Tačiau neįmanoma žinoti, kada ir kodėl viskas nebeveiks.
Prie to reikėtų pridėti smulkiųjų lipdomų algo modelių absurdiškumą iš
matematinės/statistinės pusės.
Istorija apie ateitį nepasako nieko konkretaus

42. Pasirinkimai, elgesys, duomenų nauda, rinkos dinamika
Rinkos dinamika (I)
Rinkas sudaro ne tik spekuliantai, bet ir investuotojai, akcijų paketų gavėjai, nieko
neišmanantys pensijų ar investicinio gyvybės draudimo sutartis turintys žmonės.
Kai kurie jų priima informuotus sprendimus, kiti visiškai iracionalius, dar kitus
sprendimus priimti priverčia aplinkybės.
Šie faktoriai padaro rinką nenuspėjamą.
Tačiau nuspėti centrinius bankus ir makroekonomikos tendencijas galime !

43. Pasirinkimai, elgesys, duomenų nauda, rinkos dinamika
Rinkos dinamika (II)
Staigus kritimas -> neinformuoti išsigąsta, pradeda traukti pinigus lauk, krenta visa
rinka (rugpjūtis-rugsėjis)
Arabams prireikia pinigų -> parduodama visa rinka, vykdomos konversijos,
nesirenkant gerų kainų
Didelio koncerno vadovybė nusprendžia finansuoti projektą užsienyje -> valiutos
konversijos iš A į B per daug nesirenkant kainų
Pradeda šaudyti marginai -> priverstinis fiksavimas be rimtos priežasties

44. Pasirinkimai, elgesys, duomenų nauda, rinkos dinamika
Rinkos dinamika (III)
Išeina Marius ir sako, kad pirks valstybines obligacijas ir duos pinigų -> jei yra
parašas, taip ir bus
Kinijos valdžia pasako, kad nuo dabar visi bus investuotojai ir turės investicinį portfelį
-> jei numatyta penkmečio plane, taip ir bus
Australijos valdžia pasako, kad AUD per stiprus ir jo kaina kris -> jie turi neribotą kiekį
pinigu, su jais geriau nesiginčyti
Mažėja nedarbas, auga BVP, atlyginimai ir kiti makro duomenys -> situacija ir toliau
gerės, nebent nutiks force majeure. O force majeure treidina tik naujokai.

45. Klausimai
Susisiekite:
Tautvydas Marčiulaitis
370 625 92066
tautvydas.marciulaitis@danskebank.lt