5 godzin temu
Klasyczna analiza techniczna (AT) – rozumiana jako odczytywanie formacji, linii trendu i wskaźników przez człowieka patrzącego na wykres – w ogromnej mierze może być bardziej metodą opowiadania historii o rynku niż jego przewidywania. Wykres niemal zawsze pozwala znaleźć logiczne wyjaśnienie tego, co właśnie się wydarzyło. Znacznie trudniej udowodnić, iż tę samą interpretację dało się zastosować wcześniej i konsekwentnie zarabiać na niej po uwzględnieniu kosztów.
Byłoby jednak równie dużym błędem wyciągnięcie z tego wniosku, iż historia ceny nie zawiera żadnej informacji. Zjawiska takie jak momentum czy trend following należą do najlepiej udokumentowanych anomalii na rynkach finansowych. Problem polega na tym, iż systematyczne wykorzystanie momentum ma kilka wspólnego z ręcznym odrysowaniem formacji głowy z ramionami na wykresie H1.
To właśnie ta granica – między testowalnym sygnałem a narracją – jest kluczowa dla odpowiedzi na pytanie, czy analiza techniczna działa.
Co naprawdę mówią badania o analizie technicznej?
Obraz wyłaniający się z literatury naukowej jest znacznie bardziej skomplikowany niż proste „działa” albo „nie działa”. Jeden z najczęściej cytowanych przeglądów literatury, przygotowany przez Cheol-Ho Parka i Scotta Irwina, objął 92 nowoczesne badania nad analizą techniczną. W 58 przypadkach wyniki były pozytywne, w 24 negatywne, a w 10 mieszane. Na pierwszy rzut oka wygląda to jak mocny argument na korzyść AT.
Problem zaczyna się po dokładniejszym przyjrzeniu metodologii. Autorzy zwrócili uwagę, iż duża część wcześniejszych badań była podatna na data snooping, wybieranie reguł po zobaczeniu wyników, niedoszacowanie kosztów transakcyjnych i niewystarczającą kontrolę ryzyka.
Sullivan, Timmermann i White w pracy opublikowanej w „Journal of Finance” przetestowali aż 7846 reguł technicznych na historycznych danych indeksu Dow Jones Industrial Average. Zastosowanie procedury uwzględniającej fakt, iż badacz testuje tysiące wariantów jednocześnie, znacząco obniżyło przekonanie, iż najlepsze strategie rzeczywiście zawierają trwałą przewagę.
Jeszcze dalej poszli Pierre Bajgrowicz i Olivier Scaillet. W badaniu obejmującym dane DJIA od 1897 do 2011 roku przeanalizowali persystencję wyników i koszty transakcyjne. Wniosek był dla zwolenników prostych reguł technicznych niewygodny: inwestor nie był w stanie z góry wybrać reguł, które okażą się najlepsze w kolejnym okresie, a historyczna nadwyżkowa efektywność była niwelowana przez relatywnie niskie koszty transakcyjne.
Nie oznacza to jednak, iż na wykresach nie ma żadnej informacji. Andrew Lo, Harry Mamaysky i Jiang Wang zautomatyzowali rozpoznawanie klasycznych formacji cenowych i wykazali, iż część z nich dostarczała informacji przyrostowej o przyszłym rozkładzie stóp zwrotu. Ich badanie opublikowane przez NBER jest jednym z ważniejszych argumentów przeciwko skrajnej tezie, iż cała analiza cenowa jest bezwartościowa.
Problem polega na czymś innym: „w cenach znajduje się informacja” oraz „trader potrafi wykorzystać ją z wyprzedzeniem i zarobić po kosztach” to dwa zupełnie różne twierdzenia.
Dlaczego dobry backtest może być kompletnie bezwartościowy?
Jednym z największych problemów analizy technicznej jest liczba możliwości. Trader może zmienić okres średniej kroczącej, parametr RSI, odległość stop lossa, interwał, godzinę wejścia, filtr zmienności czy sposób definiowania trendu. jeżeli przetestuje wystarczająco dużo kombinacji, niemal nieuchronnie znajdzie coś, co wygląda świetnie na danych historycznych.
To klasyczny problem multiple testing oraz overfittingu.
David Bailey, Jonathan Borwein, Marcos López de Prado i Qiji Jim Zhu w pracy „Pseudo-Mathematics and Financial Charlatanism” pokazują, jak gwałtownie rośnie ryzyko przypadkowego „odkrycia” strategii, gdy badacz wielokrotnie modyfikuje model. W jednym z przedstawianych przez nich przykładów już stosunkowo niewielka liczba niezależnych prób może wygenerować bardzo atrakcyjny współczynnik Sharpe’a mimo braku jakiejkolwiek rzeczywistej zdolności prognostycznej.
Najważniejsza lekcja jest prosta: nie wystarczy zobaczyć świetny backtest. Trzeba wiedzieć, ile strategii, parametrów i wariantów przetestowano, zanim znaleziono właśnie ten wynik.
Ten sam problem dotyczy badań akademickich. Campbell Harvey, Yan Liu i Heqing Zhu wykazali, iż przy setkach testowanych czynników tradycyjne poziomy istotności statystycznej stają się niewystarczające. jeżeli przetestujemy wystarczająco wiele hipotez, część z nich będzie wyglądała na prawdziwe wyłącznie przez przypadek.
Retail trader optymalizujący 100 kombinacji RSI na jednym instrumencie znajduje się pod tym względem w jeszcze trudniejszej sytuacji. Komputer może znaleźć perfekcyjną strategię dla przeszłości. Rynek nie ma jednak obowiązku powtórzyć przeszłości w identyczny sposób.
Błędy poznawcze – dlaczego na wykresie tak łatwo zobaczyć przewagę?
Problem nie kończy się na statystyce. Dochodzi do niego psychologia człowieka, która jest wyjątkowo dobrze przystosowana do dostrzegania wzorców – również tam, gdzie powstały przypadkowo. Szerzej o tym mechanizmie pisaliśmy przy okazji najczęstszych pułapek poznawczych w inwestowaniu.
Hindsight bias sprawia, iż po fakcie formacje stają się oczywiste. Głowa z ramionami wygląda podręcznikowo, kiedy prawe ramię zostało już utworzone, linia szyi przełamana, a kurs rozpoczął spadek. Problem zaczyna się wtedy, gdy próbujemy jednoznacznie wskazać tę samą formację kilka świec wcześniej.
Confirmation bias powoduje natomiast, iż trader znacznie łatwiej dostrzega argumenty zgodne z pozycją, którą już posiada. jeżeli sygnał zadziałał – potwierdził skuteczność metody. jeżeli nie zadziałał – zawsze można znaleźć dodatkowe wyjaśnienie: wolumen był zbyt niski, wyższy interwał wyglądał inaczej albo formacja „nie była idealna”.
Dochodzi do tego survivorship bias. W mediach widzimy traderów, którzy przez kilka lat osiągali znakomite wyniki. Znacznie rzadziej widzimy setki osób stosujących podobne strategie, które zniknęły z rynku. To szczególnie ważne przy analizowaniu spektakularnych historii sukcesu.
Nie znaczy to, iż każdy uznaniowy trader jest skazany na stratę. Oznacza natomiast, iż sama osobista historia sukcesu jest słabym dowodem na istnienie uniwersalnej przewagi.
Co mówią wyniki inwestorów detalicznych?
Dane regulatorów nie pozwalają ustalić, czy ktoś stracił pieniądze właśnie przez analizę techniczną. Pokazują jednak, jak ostrożnie należy podchodzić do obietnic łatwej przewagi na krótkoterminowym tradingu.
Według danych Komisji Nadzoru Finansowego za 2025 rok 72,2% aktywnych klientów rynku Forex w polskich domach maklerskich poniosło stratę. Podobny obraz obserwowany był również wcześniej w całej Unii Europejskiej. Analizy wykorzystane przez ESMA przy wprowadzaniu ograniczeń dotyczących CFD wskazywały, iż 74-89% rachunków inwestorów detalicznych traciło pieniądze.
To oczywiście nie dowodzi nieskuteczności analizy technicznej. Traderzy tracą z wielu powodów: nadmiernej dźwigni, złego zarządzania kapitałem, overtradingu, psychologii czy zwyczajnie braku przewagi.
Dane te są jednak dobrym kontrapunktem dla przekonania, iż wystarczy nauczyć się kilku formacji i wskaźników, aby uzyskać przewagę nad rynkiem. W praktyce zarządzanie ryzykiem może mieć dla wyniku rachunku co najmniej takie samo znaczenie jak sposób generowania sygnału wejścia.
Dlaczego ten sam wykres można odczytać na dziesięć sposobów?
Jednym z podstawowych problemów klasycznej analizy technicznej jest liczba stopni swobody. Gdzie dokładnie należy poprowadzić linię trendu – po zamknięciach czy ekstremach? Czy knot świecy narusza wsparcie? Jak duże przebicie oznacza, iż poziom został złamany? Które szczyty wykorzystać?
Wszystkie te decyzje można podejmować subiektywnie, a analityk widzi już przecież cały wykres znajdujący się po lewej stronie aktualnej ceny. Dlatego dwie osoby mogą analizować ten sam instrument i dojść do przeciwnych wniosków, przy czym obie będą w stanie logicznie uzasadnić swoje stanowisko.
Nie oznacza to automatycznie, iż wsparcia i opory są całkowicie pozbawione znaczenia. Problem zaczyna się wtedy, gdy nie istnieje jednoznaczna definicja określająca, gdzie poziom się znajduje, co oznacza jego test i w jakich warunkach sygnał należy uznać za nieważny.
Bez takiej definicji nie mamy hipotezy, którą da się sprawdzić. Mamy interpretację.
Publikacja przewagi może być początkiem jej końca
Istnieje jeszcze jeden problem, o którym w kursach tradingowych mówi się zdecydowanie zbyt rzadko: jeżeli dana anomalia rzeczywiście pozwala zarabiać, coraz więcej kapitału zaczyna ją wykorzystywać.
R. David McLean i Jeffrey Pontiff przeanalizowali 97 zmiennych, którym literatura akademicka przypisywała zdolność przewidywania stóp zwrotu. Okazało się, iż wyniki portfeli były średnio o 26% słabsze poza pierwotną próbą badawczą i aż o 58% słabsze po publikacji danego odkrycia.
Autorzy interpretują część tego spadku jako efekt błędów statystycznych, a część jako skutek wejścia inwestorów wykorzystujących nowo opublikowaną wiedzę. Rynek adaptuje się do odkrywanej przewagi.
Praktyczna konsekwencja nie jest taka, iż każda popularna strategia z YouTube’a musi przynosić straty. Bardziej rozsądne założenie brzmi: im prostszy, powszechniej znany i łatwiejszy do arbitrażu jest sygnał, tym bardziej sceptycznie należy podchodzić do jego przyszłej przewagi – szczególnie po kosztach.
Efficient Market Hypothesis – rynek nie musi być idealnie efektywny
Hipoteza rynku efektywnego jest często przywoływana jako ostateczny argument przeciwko analizie technicznej. To zbyt duże uproszczenie.
W swojej skrajnej interpretacji EMH sugeruje, iż dostępna informacja jest bardzo gwałtownie uwzględniana w cenach, co ogranicza możliwość regularnego osiągania ponadprzeciętnych stóp zwrotu. Nie oznacza to jednak, iż ceny zawsze są „prawidłowe” albo iż nigdy nie powstają anomalie.
Grossman i Stiglitz pokazali wręcz klasyczny paradoks: rynek nie może być idealnie efektywny informacyjnie, ponieważ gdyby ceny zawsze odzwierciedlały całą dostępną wiedzę, nikt nie miałby ekonomicznego bodźca do ponoszenia kosztów jej zdobywania.
Pytanie nie brzmi więc: „czy jakakolwiek przewaga może istnieć?”. Znacznie lepsze pytanie to: jak duża jest przewaga, jak długo może trwać, kto jest w stanie ją wykorzystać i czy pozostanie cokolwiek po kosztach transakcyjnych?
Momentum i trend following – część analizy cenowej, która przetrwała próbę czasu
To najmocniejszy argument przeciwko twierdzeniu, iż wszystko, co pochodzi z wykresu ceny, jest szumem.
Tobias Moskowitz, Yao Hua Ooi i Lasse Heje Pedersen udokumentowali time series momentum na 58 płynnych instrumentach obejmujących indeksy giełdowe, obligacje, towary i waluty. W uproszczeniu ceny wykazywały tendencję do kontynuowania wcześniejszego kierunku w horyzoncie kilku miesięcy.
Brian Hurst, Yao Hua Ooi i Lasse Pedersen rozszerzyli później analizę historyczną aż do 1880 roku. Ich wyniki wskazują, iż trend following generował dodatnie średnie stopy zwrotu w każdej dekadzie badanego okresu.
Nie jest to jednak dowód na działanie każdej strategii opartej na średnich kroczących. Trend following jest szerokim zjawiskiem statystycznym, które może być wykorzystywane na wiele sposobów, zwykle w mocno zdywersyfikowanych portfelach i na wielu klasach aktywów.
Dobrym historycznym przykładem systematycznego podejścia do podążania za trendem pozostaje Richard Dennis i eksperyment Turtle Traders. Jego znaczenie polegało właśnie na próbie zamiany intuicji w zestaw jednoznacznych reguł dotyczących wejścia, wyjścia i wielkości pozycji.
Klasyczna analiza techniczna a podejście systemowe
Różnica między podejściem systemowym a klasycznym chartingiem nie musi dotyczyć samych narzędzi. Ta sama średnia krocząca może występować w obu światach. Różnica polega na rygorze.
Trader systemowy powinien zdefiniować regułę przed zobaczeniem wyniku, przetestować ją na danych, których nie wykorzystano podczas budowania systemu, uwzględnić koszty i poślizg cenowy oraz sprawdzić odporność strategii na zmianę parametrów. Powinien również wiedzieć, ile innych pomysłów odrzucił po drodze.
Trader uznaniowy może korzystać dokładnie z tej samej średniej, ale podejmować decyzję na podstawie tego, czy aktualny wykres „wygląda przekonująco”.
Pierwsze podejście tworzy hipotezę możliwą do falsyfikacji. Drugie bardzo łatwo zamienia się w narrację, którą można dopasować do dowolnego wyniku. To dobrze koresponduje z podejściem Andrei Ungera – czterokrotnego zwycięzcy World Cup Trading Championships – który po początkowych doświadczeniach z tradingiem uznaniowym przeszedł w stronę mechanicznych, testowalnych strategii.
Czy wsparcia i opory mogą działać dlatego, iż wszyscy w nie wierzą?
Paradoksalnie jedna z najciekawszych obron analizy technicznej nie wynika z tajemniczej geometrii wykresu, ale z mikrostruktury rynku.
Carol Osler pokazała, iż zlecenia stop loss i take profit na rynku walutowym mają tendencję do grupowania się w pobliżu określonych, często okrągłych poziomów cenowych. Może to tworzyć realny mechanizm stojący za obserwacją, iż cena czasem zatrzymuje się w rejonie wsparcia lub oporu, a po jego przebiciu ruch przyspiesza.
Inne badania wskazywały również na zależność między poziomami identyfikowanymi przez analizę techniczną a rzeczywistą głębokością arkusza zleceń.
Nie oznacza to jednak, iż narysowana linia posiada magiczną zdolność zatrzymywania ceny. Bardziej prawdopodobne wyjaśnienie jest znacznie mniej romantyczne: wielu uczestników rynku podejmuje decyzje w podobnych miejscach, więc w określonych strefach kumulują się zlecenia. Analiza techniczna może w takim przypadku opisywać rzeczywiste zachowanie uczestników rynku. To coś innego niż twierdzenie, iż geometria wykresu sama w sobie prognozuje przyszłość.
Czy zatem analiza techniczna działa?
Analiza techniczna nie jest jednym zjawiskiem. Pod tą samą nazwą kryją się metody o zupełnie różnej jakości.
Z jednej strony mamy klasyczne, subiektywne czytanie wykresów – formacje, linie, wskaźniki i interpretacje, które często posiadają dużą liczbę stopni swobody i są wyjątkowo podatne na hindsight bias, confirmation bias oraz data mining. Tutaj dowody na trwałą przewagę są słabe, szczególnie gdy wymagamy możliwości wybrania strategii z wyprzedzeniem i uwzględniamy realne koszty transakcyjne.
Z drugiej strony istnieją mechaniczne strategie wykorzystujące wyłącznie dane cenowe. Momentum i trend following pokazują, iż historia ceny może zawierać informacje pozwalające budować statystyczną przewagę. Ta przewaga nie jest jednak dana raz na zawsze. Jest konkurencyjna, zmienna i może słabnąć wraz ze wzrostem liczby inwestorów próbujących ją wykorzystać.
Kto twierdzi, iż wykresy nie zawierają żadnej informacji, musi zmierzyć się z ponad stuletnią historią momentum. Kto twierdzi, iż wystarczy nauczyć się kilku formacji, aby przewidywać przyszłość, musi zmierzyć się z matematyką wielokrotnego testowania, kosztami i ogromnym problemem selekcji zwycięskich strategii po fakcie.
Najuczciwsza odpowiedź na pytanie „czy analiza techniczna działa?” brzmi więc: największą wartość ma to, co można jednoznacznie zdefiniować, przetestować bez oszukiwania samego siebie i utrzymać po uwzględnieniu kosztów. Im więcej pozostaje miejsca na interpretację, tym większe ryzyko, iż trader nie odkrywa przewagi – tylko tworzy przekonującą historię o przeszłości.
