Ticková data váš backtest nezachrání — většině strategií ho spíš zhorší

Obvyklá rada zní: chcete-li poctivý backtest, pořiďte si ticková data. Myslím, že u většiny strategií je tato rada chybná a že její následování backtest obvykle zhorší, místo aby ho zlepšilo. Ne proto, že by ticková data byla nepřesná — přesnější data získat nemůžete — ale proto, že většina lidí jejich použitím zaměňuje rozlišení za důkladnost. A to není totéž.

Takhle to selhává. Výzkumník postaví strategii na 1minutových barech, dosáhne Sharpeho poměru, se kterým je spokojený, a někdo — mentor, příspěvek na fóru nebo jeho vlastní neodbytné pochybnosti — mu řekne, že backtest není poctivý, protože vychází z barů. Tak celý proces předělá na ticková data: každý obchod, každou aktualizaci kotací, s časovým razítkem přesným na mikrosekundu. Backtest se zpomalí, kód je třikrát složitější a Sharpeho poměr... se sotva pohne, nebo se pohne směrem, který nikdo nedokáže vysvětlit. Přesto strategii nasadí, protože ticková data působí důkladněji. Pocit důkladnosti ale není totéž co důkladnost.

Co vám tickové rozlišení skutečně přinese

Ticková data ukazují pořadí a cenu každého obchodu a (pokud si za ně zaplatíte) každé aktualizace knihy objednávek. To jsou skutečné informace. Umožňují rekonstruovat pozici ve frontě, odhadnout pravděpodobnost plnění na dané cenové úrovni a pozorovat nepříznivou selekci — tedy zda se trh pohne proti vám hned po hypotetickém plnění. To vše je nesmírně důležité, pokud držíte pozici sekundy a vaše výhoda se počítá ve zlomcích ticku.

Většina strategií, které vídáme ve Stratmillu — a většina strategií, které skutečně provozují drobní a poloprofesionální výzkumníci — ale drží pozice od minut po dny. V takovém časovém horizontu o poctivosti backtestu nerozhoduje to, zda jste vymodelovali 40. obchod v dané minutě. Rozhoduje, zda jste vymodelovali spread, sazbu financování, křivku skluzu a skutečnost, že vaše limitní objednávka ve frontě čeká za objednávkami ostatních. Všechny čtyři můžete na tickových datech vymodelovat špatně a na 1minutových barech správně. Rozlišení a poctivost jsou nezávislé věci.

Poslední číslo lidé podceňují. Backtest na úrovni ticků není jen „stejný backtest s více řádky“. Obchody z většiny burz přicházejí mimo pořadí určené časovými značkami ingestování, zpětně se opravují, rozdělují se mezi více shardů párovacího enginu a — na několika platformách, odkud jsme data ingestovali — se při opětovném připojení občas duplikují nebo úplně ztratí. Vybudovat tickový proces, který je skutečně přesnější než dobře postavený proces pro bary, a ne jen podrobnější, je opravdový systémový projekt. Většina týmů se do něj nepustí. Napojí backtester na soubor tickových dat od dodavatele a považují věc za hotovou. Tím ale vymění známou a zdokumentovanou sadu aproximací (OHLCV) za neznámou a nezdokumentovanou sadu (co zrovna dodavatelova logika pro sjednocování tickových dat udělá ve špatný den).

Šum, za který platíte

Druhá cena se týká spíš statistiky než vývoje. Jednotlivé obchody přeskakují mezi bidem a askem — tomu se říká bid-ask bounce a jde o známý artefakt v literatuře o tržní mikrostruktuře už od osmdesátých let (1980–1989). Pokud váš signál pracuje rychleji než v řádu několika sekund, backtest na úrovni ticků vám může ukázat strukturu tam, kde jde ve skutečnosti jen o tento cenový odraz. Viděl jsem výzkumníka objevit krásný vzorec návratu k průměru v datech po jednotlivých obchodech, který se rozplynul hned po agregaci i do 5sekundových barů, protože šlo jen o bid-ask bounce.

Jeden kvantitativní analytik, kterého znám — dřív se věnoval tvorbě trhu, teď spravuje menší kryptoměnové portfolio — mi to popsal takhle: „Ticková data jsou lupa. Když ji namíříte na svou výhodu, skvělé. Když na svůj šum, strávíte šest měsíců jeho nádherným modelováním.“ Teď zpětně testuje skoro všechno na 1sekundových nebo 1minutových barech a k tickovým datům sahá jen kvůli konkrétní otázce „byla by tato limitní objednávka skutečně vyplněna“. To je otázka pravděpodobnosti plnění, nikoli signálu.

Tohle rozdělení je správný přístup, který zastánci tickových dat často opomíjejí. Poctivé použití tickových dat neznamená provozovat na nich celou strategii. Znamená použít je cíleně na jednu nebo dvě otázky, na které data v podobě barů skutečně nestačí.

Kdy mají kritici pravdu

To ale neznamená, že neexistují strategie, u kterých jsou ticková data nezbytná. Tvrdil bych něco přehnaného, kdybych předstíral opak. Pokud děláte něco podobného tvorbě trhu — kotujete na obou stranách, řídíte stav držených aktiv tick po ticku a záleží vám na pozici ve frontě na konkrétní cenové úrovni — data v podobě barů váš problém vůbec nevystihují. Ekonomika celé takové strategie se odehrává uvnitř jedné minuty, ne mezi minutami. Totéž platí pro statistickou arbitráž citlivou na latenci mezi platformami, kde se doslova ptáte „který obchod proběhl jako první“, i pro tvorbu trhu s opcemi při velkých objednávkách, kde celou hru rozhoduje několik set milisekund nepříznivé selekce po uskutečnění obchodu. V takových podmínkách není backtest na barech zjednodušením, ale kategoriální chybou — netestujete strategii s nižším rozlišením, testujete jinou strategii, která má shodou okolností stejné jméno jako ta skutečná.

Neříkám tedy, že „ticková data jsou špatná“. Často po nich ale saháme, abychom se vyhnuli těžší a méně atraktivní otázce: Je můj model nákladů správný? Jsou mé předpoklady o plnění správné? Byla by se tato objednávka skutečně vyplnila, nebo předpokládám plnění za cenu, kterou kniha objednávek ve skutečnosti nikdy nenabízela? Na tyto otázky lze odpovědět s 1minutovými, nebo dokonce 1sekundovými bary, pokud poctivě zohledníte pozici ve frontě a spread. Ticková data vám umožní odpovědět přesněji, ale za několikanásobné náklady na vývoj, a u strategií, jejichž závěr se kvůli vyšší přesnosti nezmění. Věnujte úsilí navíc tam, kde ho časový horizont skutečně vyžaduje, a jinde ho vynechte — výzkumný tým využije čas lépe, než když automaticky sáhne po nejpodrobnějších dostupných datech jen proto, že podrobnost působí důkladněji.