Data upravená o štěpení, rozebraná do posledního řádku: co NVDA udělá s každým řádkem při štěpení 10 za 1

Tady je jeden řádek ze souboru denních dat akcií. NVDA, pátek 7. června 2024, poslední obchodní seance před účinností štěpení 10 za 1.

Sloupce OHLC jsem v tomto přehledu záměrně vynechal. Vrátíme se k nim ke konci a právě ty nenápadně způsobují potíže.

Všechno zajímavé na tomto řádku se skrývá v rozdílu mezi druhým a šestým sloupcem. Trh 7. června zaznamenal cenu 1208.88. Za tuto cenu už nikdo nikdy neobchoduje, protože akcie, kterou tato jednotka označovala, už neexistuje. Hodnota 120.8781 je rekonstrukce a nejde jednoduše o 1208.88 děleno deseti. Projděme si sloupce jeden po druhém.

date: 2024-06-07 a další dvě data, která jsou důležitější

Štěpení bylo oznámeno 22. května 2024 spolu s výsledky hospodaření. Rozhodným dnem bylo 6. června. Obchodování na základě upraveném o štěpení začalo v pondělí 10. června. Tři data, ale sloupec split_factor vašeho dodavatele dat odpovídá přesně jednomu z nich, obvykle první seanci po štěpení. Chyba o jeden den je nejčastější chyba v práci s korporátními událostmi, kterou vídám, a v souhrnných výsledcích není vidět: vaše kapitálová křivka za jediný den zaznamená propad o 90 % nebo skok o 900 %, což Sharpeho poměr počítaný za 2,000 dní skoro nezachytí, ale maximální propad nebo pravidlo stop-lossu rozhodně ano.

Dividenda má vlastní problém s datem a v roce 2024 se pravidla změnila pro všechny. Čtvrtletní dividenda NVDA po štěpení činila $0.01 a její rozhodný den byl 11. června. Vypořádání obchodů v USA přešlo 28. května 2024 na režim T+1, což znamená, že nyní den bez nároku na dividendu a rozhodný den připadají na tentýž den. Každý načítač dat, který odvozuje den bez nároku jako „rozhodný den minus jeden pracovní den“ — což po desetiletí fungovalo správně — začal v červnu 2024 potichu vytvářet dividendové úpravy o jednu seanci dříve. Nic nespadne. Faktor se jen zapíše k nesprávnému řádku.

Chyba v kódu pro korporátní události se nikdy neprojeví výjimkou. Je to číslo posunuté o den, které vypadá naprosto věrohodně.

close: 1208.88 — cena, která v souboru není

Tohle je původní zaznamenaná cena a ve většině výzkumných pipeline existuje jen jako sloupec, který nikdo nečte. Signály se počítají z adj_close. A každé pravidlo, které pracuje s cenovou úrovní v dolarech za akcii, teď používá číslo, které žádný účastník trhu nikdy neviděl.

Růst NVDA směrem k $1,000 na jaře 2024 byl skutečný a stál za ním skutečný tok objednávek: kulaté cenové hladiny jako magnety, opční strike ceny soustředěné kolem 950 a 1000, titulková rizika při každém přiblížení. V upravených datech se celá tahle epizoda odehrává na úrovni $100. Pokud testujete chování kolem psychologických cenových hladin, logiku vyplňování cenových mezer poblíž kulatých čísel nebo příznak blízkosti strike ceny, testujete je na cenové řadě přepočtené událostí, která v té době ještě nenastala.

Totéž platí pro filtry investičního univerza. „Vyřadit akcie pod $5“ je legitimní ukazatel reálných problémů s mikrostrukturou: širokých relativních spreadů, pravidel pro obchodování na margin a cenových kroků. Použijte ho na historická data upravená o štěpení a vyřadíte firmy v obdobích, kdy se obchodovaly za $30 a později prošly reverzním štěpením. Použijte filtr „cena nad $500“ a potichu vyřadíte NVDA ze všech let před červnem 2024. Cenové filtry patří na neupravené zaznamenané ceny. Tečka.

split_factor: 1.0 — a 0.1 v následujícím řádku

Faktor je kumulativní součin počítaný zpětně od dneška. Každý řádek před 10. červnem 2024 nese hodnotu 0.1 z tohoto štěpení, vynásobenou hodnotou 0.25 ze štěpení 4 za 1 v roce 2021 a pak všemi předchozími faktory. Historie NVDA před rokem 2021 je přepočtená faktorem 0.025, takže cenový záznam, který v roce 2019 ukazoval $200, se nyní zobrazuje jako $5.00.

Stojí za to pamatovat na dva důsledky. Zaprvé, upravená historie se mění s každou novou korporátní událostí. Backtest, který jste spustili v květnu 2024, a ten dnešní dají při stejném kódu a stejném období odlišné výsledky. Pokud jste navíc cachovali příznaky podle symbolu a data bez označení verze dat, máte teď cache, která kombinuje dvě různá měřítka. Právě proto zahrnujeme epochu úpravy do klíče příznaku; stálo nás jedno velmi matoucí odpoledne, než jsme na to přišli.

Zadruhé, při přepočtu faktorem 0.025 se akcie, která se obchodovala v cenových krocích po $0.01, nyní pohybuje v krocích po $0.00025. Vaše logika zaokrouhlování na tick, porovnávání typu „je to nové maximum“ i kontroly rovnosti čísel s plovoucí desetinnou čárkou: to vše teď pracuje s přesností mnohem vyšší, než jakou měl skutečný trh.

dividend: 0.01 — hodnota, která naruší cenovou mřížku všech předchozích cen

Jeden cent. Vypadá to jako šum a právě kvůli němu adj_close ukazuje 120.8781 namísto čistých 120.888.

Závěrečná cena 10. června byla 121.79. Dividendový faktor je (121.79 − 0.01) / 121.79 = 0.99991789. Tento faktor násobí všechny ceny před 11. červnem, takže cena upravená o štěpení 120.888 se změní na 120.878074. Je to málo, ale natrvalo — a faktor se znovu použije při každém z více než šedesáti dnů bez nároku na dividendu v historii NVDA. Rozhoduje složený účinek: když se podíváte třeba na rok 2015, sledujete cenu vynásobenou desítkami faktorů, z nichž každý je trochu neintuitivní. Žádná upravená historická cena neleží přesně na cenové mřížce po centech.

To znamená, že každé porovnání == s kulatou cenovou hladinou je chybné, každá kontrola „dotkli jsme se limitní ceny?“ potřebuje toleranci a rekonstruované OHLC už po naivním zaokrouhlení na 4 desetinná místa nesplňuje vztah low ≤ open ≤ high. Znamená to také, že adj_close je řada celkového výnosu, zatímco close je řada cenového výnosu. Pokud z jedné počítáte výnosy a z druhé propady, smíchali jste dvě různé definice toho, co se stalo.

volume: 42,800,000 — dělitel, který se nepoužívá důsledně

Aby byl objem akcií srovnatelný se seancemi po štěpení, je potřeba ho vynásobit 10. Někteří dodavatelé to dělají, jiní ne. Někteří upraví OHLC a nechají objem v původních jednotkách — to je ze tří možností nejhorší, protože soubor vypadá vnitřně konzistentně, dokud nevynásobíte cenu objemem.

Rozumné řešení je přestat používat objem akcií jako příznak a místo něj použít dolarový objem, který je ze své podstaty vůči štěpení neměnný. Filtr likvidity založený na průměrném dolarovém objemu za 20 dní nepotřebuje žádnou logiku úprav a korporátní událost ho nemůže rozbít. Neměnnost příznaků je lepší než správně napsaný kód pro úpravy, protože správnost tohoto kódu musíte neustále udržovat.

Chybějící sloupce: adj_open, adj_high, adj_low

Vraťme teď OHLC zpátky. Pokud datový feed upravuje pouze závěrečnou cenu a vaše strategie počítá noční cenovou mezeru jako open / prev_adj_close − 1, pak pro 10. červen 2024 vypočítá 120.37 / 120.8781 − 1, což je rozumný výsledek, přibližně −0.4 %. Spusťte stejný kód zpětně pro 7. červen 2024 a použije otevírací cenu z neupraveného souboru (zhruba 1207) vůči závěrečné ceně upravené faktorem 0.025 kvůli starším štěpením. Výsledkem bude mezera v řádu několika tisíc procent.

Jakýkoli výpočet kombinující neupravený sloupec s upraveným počítá napříč dvěma souřadnicovými systémy. Čtení sloupců s různým typem úpravy teď hlídám kontrolou přímo v načítači dat, místo abych spoléhal na to, že si na to výzkumník vzpomene. Nevzpomene, a to včetně mě.

Co vám neřekne žádný sloupec: kolik akcií byste skutečně koupili

Právě tohle ovlivňuje náklady v nákladovém modelu backtestu a právě proto vůbec píšu o štěpení akcií.

Provize za obchodování s akciemi v USA se často počítají za akcii. Řekněme $0.005 s minimální provizí $1.00 za objednávku, což je běžná pevná sazba retailového brokera. Teď otestujte pozici v NVDA za $400,000 rok před štěpením, kdy se neupravená cena pohybovala kolem $400 a upravená cena se zobrazovala jako $40.

Stejná expozice, stejný obchod, 10× vyšší modelované náklady. To je $45 fikce za každou stranu obchodu, $90 za celý obchod tam a zpět. Strategie s každodenním obratem tak ročně zaplatí zhruba $22,000 na nákladech, které nikdy neexistovaly. U portfolia za $400k jde o 5.6 procentního bodu ročního výnosu, které celé vytvořil dělitel. Tady díky tomu vypadáte hůř, než odpovídá skutečnosti, což se dá přežít.

U reverzního štěpení je to naopak a právě to je nebezpečné. Reverzní štěpení 1 za 10 znamená, že upravená historie ukazuje ceny 10× vyšší a počty akcií 10× nižší, než za kolik byste skutečně obchodovali. Nákladový model potichu vydělí provizi za akcii deseti. Reverzní štěpení je běžné u malých firem s tržní kapitalizací pod $5 a širokými spready, kde poplatky za akcii tvoří největší jednotlivou položku nákladů. Backtest tak lichotí přesně těm akciím, které by měl penalizovat.

Řešení je jednoduché a systémové: určujte velikost pozic v dolarech, převeďte ji na počet akcií pomocí neupravené ceny pro daný den a provize za akcii počítejte z tohoto počtu. Neupravený cenový sloupec ponechte v načítači napořád — ne jako záznam pro kontrolu, ale jako živý vstup do modulu plnění objednávek.

1. Signály a výnosy: upravená řada.
2. Počty akcií, poplatky za akcii, zaokrouhlování na tick a cenové filtry: neupravená řada.
3. Likvidita a kapacita: dolarový objem, který nepotřebuje ani jednu úpravu.

Šest sloupců, jeden řádek a jedna poměrně běžná korporátní událost, oznámená tři týdny předem, která nikoho nepřekvapila. Trh se s ní vypořádal během jednoho dopoledne. Věrně ji zrekonstruovat ve výzkumné pipeline je podstatně těžší a nedostatečně zpracovanou pipeline téměř nikdy neprozradí chybová zpráva.