Wskaźnik ten definiuje bowiem prawdopodobieństwo, z jakim wyselekcjonowany walor zrealizuje zakładany profit target przed aktywacją zlecenia obronnego.
Cel strategiczny
Przede wszystkim celem strategicznym projektu było zastąpienie dotychczasowego, tradycyjnego skanera technicznego zaawansowanym silnikiem algorytmicznym. Starszy system generował w praktyce zbyt duży overtrading oraz fałszywe sygnały wejścia. W konsekwencji sytuacja ta narażała kapitał naszych subskrybentów na podwyższony drawdown (obsunięcie kapitału) i degradowała zaufanie do marki. Z tego powodu postawiliśmy przed zespołem kwantowym jasne zadanie. Postanowiliśmy zaimplementować model klasyfikacji oparty na uczeniu maszynowym, którego celem jest identyfikacja układów o wysokim prawdopodobieństwie wygenerowania stopy zwrotu $\ge 1\%$ w sztywnym horyzoncie inwestycyjnym 14 dni kalendarzowych (ok. 10 sesji giełdowych).
Architektura modelu i analiza czynnikowa (Feature Engineering)
Proces budowy strategii wymagał przeprowadzenia rygorystycznych testów historycznych na próbie tysięcy sesji giełdowych. Kluczowym przełomem okazało się rozszerzenie wektora wejściowego z 6 podstawowych indykatorów do 10 zaawansowanych zmiennych makro i mikrostrukturalnych. Wprowadziliśmy między innymi analizę zmienności opartą o położenie ceny wewnątrz Wstęg Bollingera (%B), dynamikę pędu (MACD Histogram), wolumenowy przepływ kapitału instytucjonalnego Chaikin Money Flow (CMF) oraz autokorelację pędu z poprzedniej sesji (RSI Lag 1).
Poniższa tabela obrazuje przebieg optymalizacji hiperparametrów sieci pod kątem optymalnego profilu ryzyka do zysku:
| Faza projektu | Horyzont (Time Horizon) | Warunek zamknięcia pozycji | Ogólna trafność (Accuracy) | Precyzja sygnału (Precision) | Wolumen sygnałów (Recall) | Charakterystyka profilu ryzyka |
|---|---|---|---|---|---|---|
| Faza 1 (Bazowa) | 10 dni | Zamknięcie na plusie > 0 | 60.12% | 60.00% | 37.00% | Konserwatywny, wysoki wskaźnik pomijania realnych okazji. |
| Faza 2 (Agresywna) | 10 dni | Profit Target 5% | 60.66% | 25.00% | 53.00% | Zbyt agresywny. Model generował zbyt głębokie obsunięcia kapitału. |
| Faza 3 (Konserwatywna) | 10 dni | Profit Target 1% | 62.68% | 60.00% | 12.00% | Skrajna awersja do ryzyka. Zbyt niska płynność rekomendacji. |
| Faza 4 (Produkcyjna) | 14 dni | Profit Target 1% | 62.24% | 55.00% | 15.00% | Złoty środek. Optymalizacja czasu ekspozycji uwolniła płynność portfela. |
Backtesting rynkowy: bezpośrednie starcie z benchmarkiem
W celu bezstronnej walidacji nowej metodologii, przeprowadziliśmy niezależny audyt transakcyjny typu backtest na realnych danych rynkowych z ostatnich 30 dni. Był to okres silnej, szerokiej hossy, w którym benchmark rynkowy (średnia wszystkich obserwowanych spółek) urósł o mocne +6.23%.
Następnie zestawiliśmy historyczne transakcje starego systemu z nowymi predykcjami algorytmu XGBoost. Wyniki pokazały druzgocącą przewagę matematyczną nowego modelu, co prezentuje poniższe zestawienie wydajności.
| Metryka Inwestycyjna | Stary Algorytm Techniczny | Nowy Model AI XGBoost (akcjo.pl) | Przewaga Operacyjna dla Inwestora |
|---|---|---|---|
| Łączna liczba wygenerowanych pozycji | 105 sygnałów | 147 pozycji (Łącznie) | Eliminacja nadmiernego overtradingu na rzecz ścisłej dywersyfikacji. |
| Trafność frakcji premium (Hit Rate) | 34.29% | 54.55% (Klasa DIAMENT) | Wzrost prawdopodobieństwa sukcesu o ponad 20 punktów procentowych. |
| Średnia stopa zwrotu per transakcja | -1.68% | +3.13% (DIAMENT) / +5.71% (ZŁOTO) | Dodatnia alfa. Skuteczne odcięcie stratnych walorów w trakcie hossy. |
Segmentacja Portfela: biznesowe zarządzanie klasami ekspozycji
Kluczowym elementem wdrożenia inżynieryjnego na akcjo.pl było zaimplementowanie warstwy decyzyjnej, która mapuje surowy wskaźnik prawdopodobieństwa modelu (0-100) na konkretne klasy ekspozycji na ryzyko. W ten sposób system dystrybuuje kapitał na dwa jakościowe poziomy:
- 💎 Klasa DIAMENT (> 60 punktów AI): Są to układy o najwyższym stopniu konfiskaty prawdopodobieństwa (11 unikalnych pozycji w skali miesiąca). Ta klasa reprezentuje pozycje o niskiej zmienności i stabilnym profilu, generujące powtarzalną średnią stopę zwrotu na poziomie +3.13%.
- 🥇 Status ZŁOTO (50-59 punktów AI): To z kolei najbardziej efektywny silnik zysków w portfelu, obejmujący 136 transakcji. Ta klasa idealnie skonsumowała pęd kapitału na szerokim rynku. W efekcie wygenerowała rewelacyjny Hit Rate na poziomie 67.65% oraz średni zysk na transakcję wynoszący +5.71%, niemal w pełni replikując zyski z indeksu, ale przy znacznie niższym poziomie ryzyka specyficznego.
Podsumowanie i wnioski strategiczne
Podsumowując, wdrożenie klasyfikatora XGBoost opartego o 10 zintegrowanych czynników techniczno-wolumenowych fundamentalnie podniosło efektywność alokacji kapitału na platformie akcjo.pl.
Po pierwsze, system dokonał pełnej eliminacji ujemnej alfy. Nowy model bezwzględnie odrzucił transakcje, które w starym systemie generowały ujemną stopę zwrotu (-1.68%), oczyszczając portfel z toksycznych aktywów. Po drugie, implementacja przyniosła optymalną strukturę dywersyfikacji. Podczas gdy rzadkie, elitarne DIAMENTY pełnią funkcję defensywnych pozycji o najwyższym rygorze wejścia, o tyle klasa ZŁOTO zapewnia stały, wysoce efektywny napływ płynnych okazji spekulacyjnych.
Ostatecznie audyt udowodnił, że w nowoczesnym handlu przewagę buduje się poprzez matematyczną dyscyplinę i jakość zmiennych wejściowych. Ponieważ system z sukcesem przeszedł próbę rynkową, został wdrożony bezpośrednio do silnika produkcyjnego akcjo.pl i co wieczór automatycznie generuje zestawienie pozycji na kolejną sesję giełdową.