Komoditní spready 16: Sezónní průměry

V minulém díle seriálu jsme si odkryli jak funguje sezonalita. Dnes se přesuneme více směrem k praxi. Nejjednodušším způsobem zobrazení sezonality jsou sezónní průměry. Samozřejmě je najdete i v aplikaci SpreadCharts, takhle např. vypadají pro prosincovou pšenici:

 

 

Jak se průměry počítají

Především se nejedná o obyčejné aritmetické průměry. Výpočet je mnohem složitější. Nebudu zacházet do úplných podrobností, protože bych vás tím pravděpodobně nudil. Vysvětlím ale princip výpočtu, abyste tomuto nástroji rozuměli, až ho budete používat na SpreadCharts.

Udělejme to na příkladu. Budeme mít za cíl sestrojit sezónní průměry například pro futures na prosincovou pšenici (ZWZ19). První krok je poskládání cen z předchozích let (předchozích expiracích) na sebe, tak jak to můžete vidět na následujícím grafu skládané sezonality.

 

 

Poté zvolíme požadovaný počet let (křivek). Bude nás zajímat například sezónní trend za posledních 5 a 15 let. Spočteme vážený průměr z vybraných křivek. Každému roku přísluší váha v závislosti na jeho běžném rozptylu. Díky tomu abnormální roky tolik nezkreslí výsledný průměr.

Poté budeme potřebovat zobrazit tyto průměry společně s cenou aktuálního kontraktu, to je nyní ZWZ19. Jenomže zobrazit průměry dohromady s aktuální cenou není jednoduché. Tyto křivky se mohou pohybovat na velmi odlišných škálách, obzvláště pokud komodita je v dlouhodobém trendu. Z takového grafu bychom toho příliš nevyčetli. Proto posuneme křivky průměrů směrem k ceně aktuálního roku, tak aby se co nejlépe překrývaly. Dále nesmíme zapomenout na to, že dlouhodobě se nemusí výrazně měnit pouze cena, ale také volalitila této ceny. Proto musíme u průměrů přeškálovat i tuto veličinu, což znamená je natáhnout nebo naopak smrsknout. A konečně takto vypadají výsledné průměry. Osa y odpovídá ceně aktuálního kontraktu (modrá):

 

 

Výhody a nevýhody

Každý nástroj nebo analýza má silné a slabé stránky. Nic není černobílé a sezónní průměry nejsou vyjímkou. Nejprve bych vyzdvihl výhody:

• Jasný a srozumitelný způsob vyjádření sezónních trendů
• Snadný na použití, šetří čas s analýzou
• Odfiltruje abnormální roky a jiné rušivé vlivy

A nyní nevýhody:

• Skrývá roky, kdy sezonalita selhala a tím podhodnocuje skutečné riziko
• Agregace dat napříč obdobím mnoha let nedává informaci o dlouhodobých změnách v sezónních trendech jednotlivých komodit

Jak používat sezónní průměry?

Jak jsme vysvětlili v předchozím díle tohoto seriálu, sezonalita je velmi nepřesný jev. Viděl jsem lidi trávit dlouhé hodiny velmi podrobnou analýzou sezonality, kdy pečlivě zkoumali sebemenší záchvěv v sezónních křivkách a podle toho plánovali své obchody na den přesně. Všichni později došli k tomu, že to byla ztráta času. Sezonalita takto nefunguje. Je to stejné jako očekávat každý rok první sníh 6. prosince, jenom proto že to tak vyšlo na základě nějaké statistiky.

Správný přístup k analýze sezonality je nepřehánět to s děláním silných závěrů. Většina komodit vykazuje sezónní chování, o tom není pochyb. Ale načasování sezónních vlivů může být velmi proměnlivé. Pár týdnů dopředu nebo dozadu nehraje žádnou roli. Z tohoto důvodu jsou sezónní průměry dostačujícím nástrojem pro analýzu sezonality. Vůbec nevadí, že spoustu cenových pohybů vyhladí. Důležitá je pouze správná interpretace. Dívejte se na směr jejich pohybu v nejbližších týdnech až měsících a nesnažte se věci komplikovat příliš podrobným zkoumáním drobných pohybů. Pouze byste v datech hledali něco, co tam není.

Průměry jsou užitečné především při procházení většího množství obchodních příležitostí. Rychle pomocí nich získáte představu, zda je sezónní výhled příznivý nebo nikoliv. Nicméně při podrobné analýze již vybraného kandidáta na obchod je rozumné podívat se také na podrobný graf skládané sezonality. Ne kvůli přesnějšímu časování vstupu, ale z důvodu lepšího odhadu rizika příležitosti. Hledejte abnormální roky, kdy sezonalita selhala a došlo k silnému protipohybu. Jaký by opakování takového scénáře mělo dopad na váš obchodní účet? To je informace, kterou vám samotné sezónní průměry nemohou poskytnout.