Marek Gąd

Arkadiusz Staszak

Badanie rozkładu statystycznego długości trwania korekt dla

wybranych par walutowych
Spis treści

Wstęp i metodologia badań .................................................................................................................... 3

Wyniki badania ........................................................................................................................................ 3
EURUSD ............................................................................................................................................... 3
EURCHF ................................................................................................................................................ 6
USDJPY ................................................................................................................................................. 8
AUDUSD ............................................................................................................................................. 10
Praktyczne zastosowanie i zakończenie ................................................................................................ 12

2
Wstęp i metodologia badań

Jeden z najbardziej znanych traderów na świecie, Robert Miner, w swojej książce High Probability
Trading Strategies wskazuje na fakt, że długość korekt jest ściśle powiązana z długością
poprzedzających ruchów trendowych. W drodze swoich badań doszedł on do wniosku, że rozkład
statystyczny tych proporcji zarówno w cenie, jak i w czasie, jest zbliżony do rozkładu normalnego,
o średniej równej 0,5 i odchyleniu standardowym równym 0,118. Możliwe jest więc wyznaczenie
strefy, złożonej ze zniesień Fibonacciego 0,618 i 0,382, w której zwiększone jest
prawdopodobieństwo zakończenia korekty.

Jest to jednak dogmat bardzo ogólnikowy. Nie odnosi się on do konkretnych walorów ani nawet
rynków. Konieczne jest więc zbadanie zasadności tych założeń dla konkretnych akcji, walut czy
towarów, na których inwestor zamierza handlować.

Ta praca jest próbą przeprowadzenia takiego właśnie badania dla czterech instrumentów rynku
FOREX: EURUSD (euro do dolara amerykańskiego), EURCHF (euro do franka szwajcarskiego), USDJPY
(dolar amerykański do jena japońskiego) i AUDUSD (dolar australijski do amerykańskiego).
W przypadku dwóch pierwszych par walutowych, przyjęty okres badania to okres 2001-2010 r. na
świecach dziennych, a dwóch kolejnych 2008-2010 r. na wykresie godzinowym.

Jako trend, zgodnie z teorią fal Elliotta, przyjęty został ruch złożony z minimum pięciu fal, w którym
fala czwarta nie posiada zamknięcia w zasięgu fali drugiej. Analogicznie, jeśli ruch składa się
z większej ilości fal, wtedy fala szósta nie może mieć zamknięcia w zasięgu fali czwartej. Korektą
będzie więc każdy ruch, który ten warunek łamie. W badaniu nie zostały uwzględnione ruchy
składające się tylko z jednej fali i korekty znoszące poprzedni trend o więcej niż 100%. Jeśli
o zakończeniu trendu rynek wszedł w nowy trend, a nie korektę, to również zostało to pominięte.

Długość trendu, w przypadku kursu, jest rozumiana jako różnica ceny maksymalnej i minimalnej
całego ruchu. Dla czasu, długość trwania oznacza ilość świec, z których składa się ruch. Analogicznie
przeprowadzone zostało liczenie długości korekt.

Jeśli wszystkie warunki zostały spełnione, długość korekty została dzielona przez długość
poprzedzającego trendu. Uzyskane w ten sposób proporcje zostały zgrupowane i poddane
modelowaniu w programie STATISTICA 8 firmy StatSoft. Przyjęty poziom tolerancji w testach
statystycznych to 1%. Kryterium doboru najlepszego dopasowania rozkładu był wskaźnik p-value.

Wyniki badania
EURUSD

Ilość zanotowanych obserwacji wyniosła 46. Najlepiej dopasowanym rozkładem dla ceny okazał się
rozkład logarytmiczno-normalny. Rysunek 1 przedstawia rozkład częstości obserwacji wraz

3
z wzorcowym rozkładem. Tabela 1 przedstawia wartości obserwowane i oczekiwane końca korekty
dla poszczególnych przedziałów w rozkładzie log-normalnym.

Rysunek 1
Źródło: opracowanie własne

Upper Observed Cumulative Percent Cumul. % Percent Cumul. %

Boundary Frequency Observed Observed Observed Expected Expected
<= 0,20000 0 0 0.00000 0.0000 0.24879 0.2488
0,30000 4 4 8.69565 8.6957 5.55788 5.8067
0,40000 7 11 15.21739 23.9130 18.60022 24.4069
0,50000 11 22 23.91304 47.8261 25.10274 49.5096
0,60000 12 34 26.08696 73.9130 21.17210 70.6817
0,70000 3 37 6.52174 80.4348 13.80207 84.4838
0,80000 3 40 6.52174 86.9565 7.76560 92.2494
0,90000 4 44 8.69565 95.6522 4.00902 96.2584
< Infinity 2 46 4.34783 100.0000 3.74158 100.0000
Tabela 1
Źródło: opracowanie własne

Jak wyraźnie widać w tabeli 1, największe prawdopodobieństwo zakończenia korekty, wynikające

z tego rozkładu, wypada w przedziale wyznaczonym przez zniesienia cenowe 0,4 i 0,5. Oczekiwane
prawdopodobieństwo wynosi dla niego około 25,10%. Drugi najbardziej prawdopodobny przedział to
0,5-0,6, dla którego prawdopodobieństwo wynosi 21,17%.

4
Dla zniesień czasowych, najbliższym rozkładem ciągłym okazał się być rozkład gamma. Przedstawia to
rysunek 2.

Rysunek 2
Źródło: opracowanie własne

Upper Observed Cumulative Percent Cumul. % Percent Cumul. %

Boundary Frequency Observed Observed Observed Expected Expected
<= 0,20000 1 1 2.17391 2.1739 1.15695 1.1570
0,40000 3 4 6.52174 8.6957 8.98644 10.1434
0,60000 9 13 19.56522 28.2609 17.51924 27.6626
0,80000 9 22 19.56522 47.8261 20.11011 47.7727
1,00000 8 30 17.39130 65.2174 17.64898 65.4217
1,20000 9 39 19.56522 84.7826 13.18250 78.6042
1,40000 1 40 2.17391 86.9565 8.84396 87.4482
1,60000 3 43 6.52174 93.4783 5.49591 92.9441
1,80000 1 44 2.17391 95.6522 3.22497 96.1690
2,00000 0 44 0.00000 95.6522 1.80995 97.9790
2,20000 0 44 0.00000 95.6522 0.98027 98.9593
2,40000 1 45 2.17391 97.8261 0.51569 99.4750
2,60000 1 46 2.17391 100.0000 0.26480 99.7398
< Infinity 0 46 0.00000 100.0000 0.26023 100.0000
Tabela 2
Źródło: opracowanie własne

5
Wyniki dla przedziałów czasowych znacznie się różnią od założeń R. Minera. Najbardziej
prawdopodobny oczekiwany przedział czasowy z dopasowanego rozkładu gamma zakończenia
korekty wypada między zniesieniami 0,6 i 0,8. Prawdopodobieństwo wyniosło 20,11%. Sąsiednie
przedziały 0,4-0,6 i 0,8-1,0 posiadają oczekiwane prawdopodobieństwo równe w przybliżeniu 17,5%.

EURCHF

Dla tej pary walutowej zanotowano najmniej obserwacji w liczbie 36. Najbliższym dopasowaniem
zniesień czasowych okazał się rozkład logarytmiczno-normalny, co zostało przedstawione na
rysunku 3. Tabela 3 ukazuje oczekiwane częstości dla danych przedziałów. Największe
prawdopodobieństwo zakończenia korekty, wynoszące 17,42%, znajduje się między zniesieniami 0,6
i 0,8. Jeśli rozszerzy się przedział do 0,4-0,8, prawdopodobieństwo wzrośnie do 33,42%. W przypadku
proporcji cenowych, najbardziej odpowiednim rozkładem jest rozkład prostokątny, co przedstawia
rysunek 4. Jego dalsza analiza mija się z celem, ponieważ ten rodzaj rozkładu zwraca kilka
przedziałów o jednakowym prawdopodobieństwie, wartość informacyjna dla gracza była by więc
zerowa.

Rysunek 3
Źródło: opracowanie własne

6
 Upper Observed Cumulative Percent Cumul. % Percent Cumul. %
Boundary Frequency Observed Observed Observed Expected Expected
<= 0.20000 0 0 0.00000 0.0000 0.52837 0.5284
0.40000 3 3 8.33333 8.3333 7.81601 8.3444
0.60000 8 11 22.22222 30.5556 15.99942 24.3438
0.80000 4 15 11.11111 41.6667 17.42309 41.7669
1.00000 5 20 13.88889 55.5556 14.99110 56.7580
1.20000 5 25 13.88889 69.4444 11.64960 68.4076
1.40000 2 27 5.55556 75.0000 8.63675 77.0443
1.60000 2 29 5.55556 80.5556 6.26728 83.3116
1.80000 3 32 8.33333 88.8889 4.50999 87.8216
2.00000 1 33 2.77778 91.6667 3.24115 91.0628
2.20000 0 33 0.00000 91.6667 2.33537 93.3981
2.40000 1 34 2.77778 94.4444 1.69083 95.0890
2.60000 0 34 0.00000 94.4444 1.23158 96.3205
2.80000 2 36 5.55556 100.0000 0.90306 97.2236
< Infinity 0 36 0.00000 100.0000 2.77640 100.0000
Tabela 3
Źródło: opracowanie własne

Rysunek 4
Źródło: opracowanie własne

7
USDJPY

Liczba obserwacji dla pary dolar amerykański – jen japoński wyniosła 45. Jako jedyny walor objęty
badaniem, najlepsze dopasowanie rozkładu cenowego uzyskano za pomocą rozkładu normalnego.
Przedstawia to rysunek 5. Jak można łatwo odczytać z tabeli 4, największe prawdopodobieństwo,
wynoszące 21,16%, przypada dla przedziału 0,5-0,6.

Rysunek 5
Źródło: opracowanie własne

Upper Observed Cumulative Percent Cumul. % Percent Cumul. %

Boundary Frequency Observed Observed Observed Expected Expected
<= 0,30000 4 4 8.88889 8.8889 5.40080 5.4008
0,40000 3 7 6.66667 15.5556 9.14408 14.5449
0,50000 8 15 17.77778 33.3333 16.12836 30.6732
0,60000 7 22 15.55556 48.8889 21.15673 51.8300
0,70000 10 32 22.22222 71.1111 20.64157 72.4715
0,80000 7 39 15.55556 86.6667 14.97855 87.4501
0,90000 4 43 8.88889 95.5556 8.08347 95.5336
1,00000 2 45 4.44444 100.0000 3.24390 98.7775
< Infinity 0 45 0.00000 100.0000 1.22255 100.0000
Tabela 4
Źródło: opracowanie własne

8
Wyniki dopasowywania rozkładu dla proporcji czasowych okazały się być podobne do uzyskanych dla
pary EURUSD (rozkład gamma, rysunek 6). Jak jednak można zauważyć w tabeli 5, największe
prawdopodobieństwo przypada przedziałowi 0,4-0,6 i wynosi 22,29%.

Rysunek 6
Źródło: opracowanie własne

Upper Observed Cumulative Percent Cumul. % Percent Cumul. %

Boundary Frequency Observed Observed Observed Expected Expected
<= 0,20000 3 3 6.66667 6.6667 8.00317 8.0032
0,40000 11 14 24.44444 31.1111 20.99543 28.9986
0,60000 12 26 26.66667 57.7778 22.28656 51.2852
0,80000 6 32 13.33333 71.1111 17.75257 69.0377
1,00000 6 38 13.33333 84.4444 12.29289 81.3306
1,20000 2 40 4.44444 88.8889 7.83419 89.1648
1,40000 1 41 2.22222 91.1111 4.72575 93.8905
1,60000 0 41 0.00000 91.1111 2.74146 96.6320
1,80000 2 43 4.44444 95.5556 1.54458 98.1766
2,00000 1 44 2.22222 97.7778 0.85075 99.0273
2,20000 1 45 2.22222 100.0000 0.46019 99.4875
< Infinity 0 45 0.00000 100.0000 0.51248 100.0000
Tabela 5
Źródło: opracowanie własne

9
AUDUSD

Liczba obserwacji była największa ze wszystkich badanych walorów i wyniosła 66. Najbliższy rozkład
proporcji cenowych dla tej pary to rozkład gamma (rysunek 7). Najbardziej prawdopodobny (26,69%)
przedział zniesień cenowych to 0,5-0,6, co zostało przedstawione w tabeli 6.

Rysunek 7
Źródło: opracowanie własne

Upper Observed Cumulative Percent Cumul. % Percent Cumul. %

Boundary Frequency Observed Observed Observed Expected Expected
<= 0,30000 2 2 3.03030 3.0303 1.87193 1.8719
0,40000 8 10 12.12121 15.1515 10.62844 12.5004
0,50000 13 23 19.69697 34.8485 23.12061 35.6210
0,60000 22 45 33.33333 68.1818 26.68924 62.3102
0,70000 9 54 13.63636 81.8182 19.91529 82.2255
0,80000 4 58 6.06061 87.8788 10.82505 93.0506
0,90000 6 64 9.09091 96.9697 4.62966 97.6802
< Infinity 2 66 3.03030 100.0000 2.31978 100.0000
Tabela 6
Źródło: opracowanie własne

W przypadku proporcji czasowych, najlepszym odwzorowaniem okazał się rozkład logarytmiczno-

normalny, co zostało przedstawione na rysunku 8. Najbardziej prawdopodobne przedziały to 0,3-0,4
i 0,4-0,5. Razem, przedziałowi 0,3-0,5 odpowiada 34,06% prawdopodobieństwa(tabela 7).

10
 Rysunek 8
Źródło: opracowanie własne

Upper Observed Cumulative Percent Cumul. % Percent Cumul. %

Boundary Frequency Observed Observed Observed Expected Expected
<= 0,10000 0 0 0.00000 0.0000 0.06387 0.0639
0,20000 1 1 1.51515 1.5152 3.18976 3.2536
0,30000 11 12 16.66667 18.1818 11.67045 14.9241
0,40000 12 24 18.18182 36.3636 17.04754 31.9716
0,50000 9 33 13.63636 50.0000 17.01384 48.9855
0,60000 8 41 12.12121 62.1212 14.19257 63.1780
0,70000 5 46 7.57576 69.6970 10.79920 73.9772
0,80000 5 51 7.57576 77.2727 7.82291 81.8001
0,90000 8 59 12.12121 89.3939 5.51962 87.3197
1,00000 1 60 1.51515 90.9091 3.84282 91.1626
1,10000 4 64 6.06061 96.9697 2.66034 93.8229
1,20000 1 65 1.51515 98.4848 1.84000 95.6629
1,30000 0 65 0.00000 98.4848 1.27516 96.9381
1,40000 0 65 0.00000 98.4848 0.88712 97.8252
1,50000 0 65 0.00000 98.4848 0.62025 98.4454
1,60000 0 65 0.00000 98.4848 0.43613 98.8815
1,70000 1 66 1.51515 100.0000 0.30853 99.1901
< Infinity 0 66 0.00000 100.0000 0.80992 100.0000
Tabela 7
Źródło: opracowanie własne

11
Praktyczne zastosowanie i zakończenie

Posiadając rozkłady prawdopodobieństwa dla poszczególnych przedziałów zniesień zarówno

cenowych, jak i czasowych, w chwili odwrócenia trendu (objawiającego się wejściem kursu w zasięg
parzystej fali poprzedniego trendu) możliwe jest wyznaczenie potencjalnej strefy zakończenia
korekty. Gracz może wyznaczyć tę strefę na podstawie najbardziej prawdopodobnego przedziału.
Może on również przedział poszerzyć, zwiększając prawdopodobieństwo, ale równocześnie
zmniejszając wartość informacyjną i podnosząc ryzyko. Zwiększa się bowiem szansa, że już po wejściu
w strefę, rynek dokona krótkiej zmiany kierunku nie będącej końcem korekty, generując dla tradera
fałszywy sygnał.

Załóżmy, że strategia inwestycyjna gracza wskazuje na zakończenie korekty i rozpoczęcie nowego

trendu. Może to być dla przykładu odwrócenie wskazań oscylatora, wybicie szczytu/dołka czy
przecięcie średniej ruchomej. Jeśli odwrócenie to nastąpiło w potencjalnej strefie wyznaczonej na
podstawie rozkładu statystycznego, to zmniejsza się prawdopodobieństwo, że ruch jest tylko
początkiem rozwinięcia korekty w strukturę złożoną lub mniejszą korektą ruchu trendowego
o kierunku przeciwnym niż zakładany. Narzędzie jest więc przydatne, ale bardzo czasochłonne bez
odpowiedniego oprogramowania.

Najważniejszym jednak wnioskiem z badania jest zaprzeczenie założeniu, jakoby wszystkie rynki
posiadały identyczne rozkłady długości trwania korekt w proporcji do poprzedzających trendów.
Z czterech badanych walorów, proporcje cenowe dla każdego z nich były zbliżone do innego rozkładu
statystycznego. W przypadku proporcji czasowych dwa razy był to rozkład gamma i dwa razy rozkład
logarytmiczno-normalny. Zakładana przez Roberta Minera normalność rozkładu znalazła
potwierdzenie tylko dla długości cenowych pary USDJPY. Dodatkowo, najbardziej prawdopodobne
przedziały nie były identyczne dla różnych walorów. Nie powinno się więc tego dogmatu przyjmować
i włączać w swój system gry bez uprzedniego przebadania rynku, na którym chce się zawierać
transakcje.

12