Filozofia analizy technicznej — czy wykres mówi cokolwiek o przyszłej cenie?

Trader widzi na EUR/USD podwójne dno, wchodzi long, rynek daje +45 pipsów. Zamyka pozycję z zyskiem i już myśli: „mam system". Później robi ten sam setup jeszcze trzy razy — i dwa razy go kasuje na stop lossie o pipsa poniżej poprzedniego minimum. Problem nie brzmi: jak narysować formację. Problem brzmi: dlaczego czasem działa, a czasem jest tylko eleganckim pretekstem do straty. Zanim w kolejnych artykułach zaczniemy rysować linie trendu, mierzyć zniesienia Fibonacciego i nakładać wskaźniki, musisz odpowiedzieć sobie na pytanie fundamentalne: na jakiej podstawie zakładasz, że przeszłość cenowa mówi cokolwiek o przyszłości — i gdzie kończy się ta podstawa.

1. Skąd w ogóle pomysł, żeby patrzeć na wykres

Pomysł, żeby szukać w przeszłych cenach wskazówek dotyczących przyszłego kierunku, jest stary jak sam handel. Charles Dow pisał o tym w artykułach redakcyjnych „Wall Street Journal" na przełomie XIX i XX wieku, ale rozpoznawanie powtarzających się układów cenowych praktykowano wcześniej — między innymi na japońskim rynku ryżu (popularna przypisywana Hommie Munehisie tradycja świec to bardziej legenda branżowa utrwalona przez Steve'a Nisona niż udokumentowany fakt historyczny^[3]). Dla tradera ważne jest jedno: od kiedy rynki zaczęły produkować ceny, ktoś próbował je czytać.

Dow nigdy nie napisał podręcznika. Jego idee przetrwały jako zbiór artykułów redakcyjnych, które dopiero po jego śmierci zebrał i usystematyzował William Peter Hamilton, a następnie Robert Rhea w książce „The Dow Theory" z 1932 roku.^[1] Samo określenie „teoria Dowa" nie pochodzi zresztą od Dowa — po raz pierwszy użył go S.A. Nelson w „The ABC of Stock Speculation" z 1903 roku.^[20] To, co dziś nazywamy „analizą techniczną", wyrosło z tych obserwacji — ale poszło znacznie dalej. Edwards i Magee opublikowali w 1948 roku „Technical Analysis of Stock Trends"^[4], pierwszy systematyczny podręcznik formacji cenowych. Murphy podsumował współczesny stan wiedzy w „Technical Analysis of the Financial Markets" pod koniec lat 90.^[5]

Cena nie ujawnia przyszłości — pokazuje, gdzie rynek wcześniej reagował. Reszta to hipoteza, że podobny układ znów przyciągnie zlecenia. Czy dzieje się to na tyle często, by dawało przewagę, jest pytaniem spornym — i właśnie temu sporowi poświęcona jest sekcja 5.

Nie potrzebujesz filozofii, żeby narysować linię. Potrzebujesz jej, żeby nie pomylić linii z przewagą.

2. Trzy klasyczne założenia analizy technicznej

U podstaw analizy technicznej leżą trzy założenia. W literaturze bywają formułowane różnie, ale sens jest ten sam od ponad stu lat. Podręcznikowa nazwa „aksjomaty" jest myląca — to robocze założenia, które rynek regularnie testuje i czasem obala; sam Charles Dow nie sformułował ich zresztą jako trójki, w tej formie usystematyzowała je dopiero późniejsza literatura, od Rhei po Murphy'ego. Warto je znać nie po to, żeby w nie wierzyć, lecz żeby wiedzieć, na czym stoi budowla, w której zamierzamy mieszkać.

2.1. „Rynek dyskontuje wszystko"

Pierwsza teza mówi, że bieżąca cena odzwierciedla wszystkie dostępne informacje: dane makroekonomiczne, oczekiwania co do stóp procentowych, nastroje uczestników, pozycjonowanie instytucji — wszystko. Nie trzeba znać fundamentów, bo fundamenty „są już w cenie".

Widzisz w niej wynik walki kupujących i sprzedających, ale nie widzisz, kto składał zlecenia rynkowe, kto hedge'ował, a kto tylko zamiatał płynność. Trader techniczny nie musi wiedzieć, dlaczego cena jest tam, gdzie jest. Wystarczy, że obserwuje, jak się zachowuje — z tym zastrzeżeniem, że detalista nie widzi „rynku" w całości, tylko strumień kwotowań własnego brokera lub dostawcy płynności. Wykres, na który patrzysz, nie jest obiektywnym obrazem całego FX, tylko fragmentem wykonawczym filtrowanym przez infrastrukturę twojego rachunku.

Zastrzeżenia są oczywiste. Szoki egzogeniczne — pandemia, inwazja militarna, katastrofa naturalna — nie są „zdyskontowane" przed faktem, bo nie da się zdyskontować czegoś, czego nikt nie przewidział. Cena integruje oczekiwania, nie czarne łabędzie. A nawet w normalnych warunkach rynkowych informacja nie rozchodzi się równomiernie: duży bank widzi flow data z własnych desków, którego trader detaliczny nigdy nie zobaczy.^[6]

Na rynku Forex ta asymetria jest szczególnie widoczna. Kiedy w praktyce obserwujemy nagłe ruchy na EUR/USD o 20–30 pipsów bez widocznego katalizatora w kalendarzu makroekonomicznym, to możliwych wyjaśnień jest wiele: duże zlecenie instytucji, przepływy zabezpieczające (np. opcyjne), korekta ekspozycji dealerów albo po prostu cienka płynność — z samego wykresu nie sposób rozstrzygnąć, które. Jeśli za ruchem stała informacja, cena „zdyskontowała" ją tylko dla tych, którzy ją mieli.

Mimo tych ograniczeń założenie dyskontowania jest użyteczne jako punkt wyjścia. Nie dlatego, że jest doskonały — lecz dlatego, że alternatywa („muszę wiedzieć wszystko o fundamentach, zanim otworzę pozycję") jest dla większości uczestników rynku po prostu nierealna.

2.2. „Ceny poruszają się w trendach"

Drugie założenie brzmi: kiedy cena zaczyna się poruszać w określonym kierunku, prawdopodobieństwo kontynuacji jest wyższe niż prawdopodobieństwo odwrócenia — przynajmniej przez pewien czas. Chodzi o obserwację, że rynki mają inercję informacyjną: nowa informacja nie jest natychmiast w pełni absorbowana, lecz wchłaniana stopniowo, co generuje ruch kierunkowy rozciągnięty w czasie.

Skąd ta inercja? Behavioral finance dostarcza kilku wyjaśnień. Herding — uczestnicy rynku podążają za tłumem, bo obserwowanie rosnącej ceny wzmacnia przekonanie, że wzrost będzie kontynuowany.^[7] Anchoring — traderzy „kotwiczą" oczekiwania cenowe przy niedawnych poziomach i reagują z opóźnieniem na nowe informacje. Disposition effect — inwestorzy trzymają stratne pozycje zbyt długo, a zyskowne zamykają zbyt wcześnie, co spowalnia ruch ceny do poziomu równowagi. Mechanizm ten formalnie opisali Shefrin i Statman w 1985 roku, a Terrance Odean potwierdził empirycznie w 1998.^[8][9]

Jest jeszcze jeden mechanizm, rzadko omawiany w popularnych poradnikach: kaskady informacyjne (Bikhchandani, Hirshleifer i Welch, 1992)^[10]. To sytuacja, w której uczestnicy rynku ignorują własne informacje i naśladują działania poprzedników — „skoro wszyscy kupują, to pewnie wiedzą coś, czego ja nie wiem". Taka spirala napędza trendy dalej, niż wynikałoby to z samych fundamentów.

Na rynku Forex trend ma jeszcze dodatkowe zasilanie makroekonomiczne. Konkretny przykład: kiedy Fed rozpoczął agresywny cykl podwyżek stóp procentowych w marcu 2022 roku, dolar umacniał się niemal nieprzerwanie przez siedem miesięcy. Indeks dolara (DXY) wzrósł z ok. 98 (marzec 2022) do ok. 114 (koniec września 2022; dane ICE, wartości zaokrąglone). To nie był ruch jednodniowy — kapitał napływał do dolara przez miesiące, bo każda kolejna podwyżka potwierdzała kierunek polityki monetarnej. Na wykresie masz ładny trend. Pod spodem masz różnicę stóp, repricing ścieżki Fedu i kapitał płynący tam, gdzie płacą więcej za trzymanie dolara.

Pytanie, kiedy trend się kończy, jest znacznie trudniejsze niż pytanie, czy istnieje. AT proponuje narzędzia do rozpoznawania trendów (o których w kolejnych artykułach), ale żadne nie daje pewności. Trend nie sygnalizuje swojego końca w momencie odwrotu — sygnalizuje go z opóźnieniem, po fakcie. Rozpoznanie tego opóźnienia jest jedną z najtrudniejszych części praktyki technicznej. Nikt nie robi tego bezbłędnie.

2.3. „Historia się powtarza"

Trzecie założenie jest najbardziej kontrowersyjne — i jednocześnie najbardziej intuicyjne. Mówi, że wzorce cenowe, które pojawiały się w przeszłości, będą się pojawiać ponownie, bo odzwierciedlają powtarzalne reakcje psychologiczne uczestników rynku. Strach, chciwość, nadzieja, panika — te emocje nie zmieniają się z dekady na dekadę, więc ich odcisk w cenach też nie.

W pewnym sensie to twierdzenie o ludzkiej naturze, nie o rynkach. Formacja „głowa z ramionami" nie ma magicznych właściwości geometrycznych. Popularna interpretacja dydaktyczna wiąże ją z sekwencją: entuzjazm → wątpliwość → retest → rozczarowanie → wyprzedaż — to narracja porządkująca, nie udowodniony mechanizm przyczynowy, choć opiera się na obserwacji, że ludzkie reakcje bywają powtarzalne.

Problem pojawia się, gdy „powtarzalność" zaczyna oznaczać „identyczność".

Każda formacja cenowa jest odrobinę inna — inny kontekst makro, inna płynność, inni uczestnicy. Mózg ludzki jest doskonałą maszyną do rozpoznawania wzorców (pattern recognition), ale jest też podatny na apofenię — skłonność do widzenia wzorców tam, gdzie ich nie ma.^[7] Trader, który widzi „trójkąt" na każdym wykresie, nie stosuje analizy technicznej — widzi wzorzec, bo go szuka (confirmation bias).

Rynek nigdy nie powtarza się dosłownie — powtarzają się panika, chciwość i zachowania stadne, a te zostawiają charakterystyczne odciski na wykresie. Formacja to nie setup sam w sobie, tylko szkic; bez kontekstu płynności, godziny i zarządzania ryzykiem pozostaje ładnym kształtem. Czy w konkretnym wydaniu daje przewagę — to pytanie empiryczne, do którego wracamy w sekcji 5.

3. Samospełniająca się przepowiednia — hipoteza, nie magia

„Analiza techniczna działa, bo ludzie wierzą, że działa". Ten zarzut pojawia się tak często, że warto go rozebrać na części — bo jest w nim ziarno prawdy, które krytycy traktują jako wadę, a praktycy jako zaletę.

Weźmy poziom 1,1000 na EUR/USD. Tysiące traderów widzą go na wykresie jako „okrągły" poziom psychologiczny — i jako wsparcie techniczne, bo cena kilkakrotnie się od niego odbiła. W okolicach tego poziomu gromadzą się zlecenia: buy limity, stop lossy krótkich pozycji, take profity. Te zlecenia tworzą realny popyt. Kiedy cena zbliża się do 1,1000 i zlecenia się aktywują, rośnie prawdopodobieństwo przynajmniej krótkotrwałej reakcji — a gdy odbicie następuje, przepowiednia wygląda na spełnioną, bo uczestnicy działali zgodnie z nią.

Czy to „sztuczne"? George Soros w „The Alchemy of Finance" wprowadził pojęcie refleksyjności (reflexivity): rynki nie tylko odzwierciedlają rzeczywistość, ale ją współtworzą.^[11] Przekonania uczestników rynku wpływają na ich decyzje, decyzje wpływają na ceny, a ceny zwrotnie wpływają na przekonania. To nie jest zamknięty krąg — to spirala, która w pewnym momencie rozmija się z fundamentami i koryguje. Czasem łagodnie. Czasem, jak 15 stycznia 2015 na franku szwajcarskim, w ułamku sekundy.

Reakcja przy poziomie może się utrzymywać, dopóki zlecenia po przeciwnej stronie nie pochłoną zalegającej tam płynności — wtedy „szacunek rynku do wsparcia" kończy się poślizgiem na wykonaniu. Narzędzia AT opisują rynek w warunkach normalnej płynności; przy gwałtownej interwencji banku centralnego lub szoku znaczenie historycznych poziomów potrafi gwałtownie spaść, bo siła fundamentalna po drugiej stronie bywa po prostu większa.

Stop liquidity — drugie dno samospełniającej się przepowiedni. Poziom działa nie tylko dlatego, że „wszyscy go widzą". Działa też dlatego, że nad i pod nim leżą skupiska stop lossów, które są płynnością dla większego gracza. W praktyce skupiska stopów często pojawiają się tuż nad i pod okrągłymi poziomami oraz lokalnymi ekstremami — niezależnie od tego, czy stoją tam zlecenia retailu, CTA, czy dealer hedge. Skupiska te udokumentowała Carol Osler: na próbie zleceń jednego dużego banku FX wykazała skupiska stopów i take profitów wokół okrągłych poziomów^[18]. Gdy cena dociera do takiego skupiska, aktywowane stopy dostarczają zleceń rynkowych — płynności, z której może korzystać większy uczestnik. To hipoteza mikrostrukturalna o jawnie ograniczonym zakresie danych, nie odczyt intencji konkretnych graczy: księgi zleceń całego rynku spot nikt z zewnątrz nie widzi.

Hipoteza samospełnienia ma też kontrargumenty, których podręczniki zwykle nie wymieniają. Na zdecentralizowanym rynku OTC nie ma jednej taśmy: różne feedy pokazują różne ekstrema, więc „ten sam poziom" u dwóch brokerów bywa dwiema różnymi cenami. Uczestnicy patrzą na różne interwały i różne siatki narzędzi, a znaczną część obrotu generują algorytmy, które nie „widzą" poziomu tak, jak widzi go człowiek. Samospełnienie działa więc najsilniej tam, gdzie uwaga ogniskuje się naraz — przy okrągłych liczbach i szeroko komentowanych poziomach — i słabnie wszędzie indziej. Nawet tam interpretacje bywają przeciwstawne: według jednej każdy kolejny test poziomu go „wzmacnia", według drugiej każdy test zużywa zalegającą tam płynność i przybliża przebicie. Obie pasują do tego samego wykresu — i to powinno być ostrzeżeniem przed zbyt pewnym czytaniem intencji rynku.

4. Myślenie probabilistyczne

Jedno z najczęstszych nieporozumień dotyczących analizy technicznej: „ten setup daje 70% skuteczności, więc zarobię".

Nie — to oznacza, że w przeszłości, na określonym zbiorze danych, przy konkretnej definicji sygnału i mierzenia wyniku, ten setup generował wynik dodatni w ok. 70% przypadków. Zmień rynek, zmień interwał, zmień definicję „sukcesu" — i liczba może być zupełnie inna. To punkt wyjścia do kalkulacji, nie gwarancja zysku na następnej transakcji.

AT nie przewiduje niczego — pozwala formułować zakłady z jawnie nazwaną z góry ceną błędu. Test jednoznacznie zdefiniowanej reguły może wykazać, że w badanej próbie dany wynik pojawiał się częściej niż przeciwny — a skala tej różnicy zależy od formacji, rynku, interwału i okresu testowego. Przeglądy literatury akademickiej — Lo i Hasanhodzic zebrali je w „The Evolution of Technical Analysis"^[12] — sugerują, że przewaga na poziomie pojedynczej transakcji — tam, gdzie w ogóle ją wykazywano — jest zwykle umiarkowana, a po uwzględnieniu kosztów transakcyjnych, spreadu i slippage'u bywa jeszcze mniejsza. Przewaga tego rzędu sprawia, że zarządzanie ryzykiem i wielkością pozycji decydują o wyniku końcowym bardziej niż sam sygnał.

Stąd pojęcie expected value — wartości oczekiwanej. Strategia z 55% skutecznością i stosunkiem zysku do straty (R:R) 1,5:1 ma dodatnią wartość modelową — ale pojedyncza transakcja może być stratna. I w 45% przypadków będzie. Zysk realizuje się dopiero na serii transakcji, co wymaga konsekwencji, której większość traderów nie jest w stanie utrzymać, bo ludzki mózg nie jest przystosowany do myślenia w kategoriach dużych liczb.^[7]

Prosty rachunek na tych domyślnych parametrach: 0,55 × 1,5R − 0,45 × 1,0R = +0,375R na transakcję, czyli modelowo ok. +37,5R na 100 transakcji — przy założeniu stabilnych parametrów i zerowych kosztów, których rynek nie oferuje. Własne warianty policzysz w kalkulatorze wartości oczekiwanej w dziale Narzędzia; pełną mechanikę expectancy, wpływ kosztów i wymogi próby rozkłada dział 9.

Jest jeszcze problem, o którym rzadko mówi się wprost: data snooping i multiple testing. Jeśli przetestujesz 500 różnych reguł technicznych na tych samych danych historycznych, część z nich będzie wyglądać obiecująco wyłącznie wskutek przypadku — nawet gdyby dane były całkowicie losowe. To klasyczny problem wielokrotnego testowania, znany w statystyce od dziesięcioleci.^[13] Im więcej reguł testujesz, tym łatwiej „znajdziesz" coś, co działało — przypadkiem. Sullivan, Timmermann i White zbadali to formalnie w 1999 roku, analizując tysiące reguł technicznych i kontrolując wyniki pod kątem data snoopingu. Część przewag, które wcześniej wyglądały obiecująco, po tej korekcie zniknęła (warsztat testowania bez tych pułapek → art. 5.12).

Kolejny problem: selekcja i skrzywienie publikacyjne. Testując formacje na historii, naturalnie eksponujemy te, które „działały", a pomijamy dziesiątki, które nie dały nic — to efekt selekcji sprzężony z wielokrotnym testowaniem; w literaturze dochodzi skrzywienie publikacyjne, bo drukuje się głównie wyniki pozytywne. Osobnym zjawiskiem jest survivorship bias w ścisłym sensie: pominięcie instrumentów, funduszy i systemów, które nie przetrwały badanego okresu.

Nie oznacza to, że AT nie działa. Oznacza, że łatwiej uwierzyć w jej skuteczność, niż wynikałoby to z pełnego obrazu — i że myślenie probabilistyczne wymaga jednego kluczowego przesunięcia mentalnego: od pytania „czy ta transakcja będzie zyskowna?" do pytania „czy ta strategia, stosowana konsekwentnie na dużej próbie, da wynik dodatni?". Pierwsze pytanie nie ma sensownej odpowiedzi. Drugie — ma, i można ją estymować.

5. Najważniejszy kontrargument: Hipoteza Rynku Efektywnego

Jedno rozplątanie na początek: pytanie „czy AT działa" skleja trzy różne pytania. Czy narzędzia AT poprawnie opisują dane historyczne? Tak — z definicji, bo są na nich policzone. Czy dają przewagę prognostyczną? To pytanie empiryczne i sporne — o nim poniżej. Czy ty zrealizujesz tę przewagę po kosztach? Tego nie rozstrzyga żadne badanie: zależy to od wykonania, dyscypliny i warunków rachunku. Mieszanie tych trzech poziomów odpowiada za większość jałowych sporów o analizę techniczną.

Eugene Fama opublikował w 1970 roku pracę „Efficient Capital Markets", która stała się jednym z najbardziej wpływowych tekstów w historii finansów akademickich.^[2] Jej centralna teza: jeśli rynki są efektywne — to znaczy, jeśli ceny w pełni odzwierciedlają wszystkie dostępne informacje — to analiza techniczna nie może dawać systematycznej przewagi, bo przeszłe ceny nie zawierają żadnej informacji prognostycznej, której rynek jeszcze nie zdyskontował.

Fama wyróżnił trzy formy efektywności. Słaba — ceny odzwierciedlają wszystkie historyczne dane cenowe; jeśli ta forma jest prawdziwa, AT jest bezużyteczna. Półsilna — ceny odzwierciedlają wszystkie publicznie dostępne informacje; bezużyteczna jest też analiza fundamentalna oparta na danych publicznych. Silna — ceny odzwierciedlają wszystkie informacje, łącznie z poufnymi; w tej wersji nikt nie może systematycznie pokonać rynku.

Przez dekady EMH dominowała w akademii finansowej — i to z niej wynikała rekomendacja, że inwestor powinien kupić fundusz indeksowy i nie próbować „bić rynku".

Ale empiria nie jest tak jednoznaczna.

Anomalie rynkowe — zjawiska, których EMH nie potrafi wyjaśnić — dokumentowano wielokrotnie. Jegadeesh i Titman w 1993 roku wykazali istnienie efektu momentum: aktywa, które rosły w ostatnich 3–12 miesiącach, statystycznie kontynuowały wzrost w kolejnych miesiącach, a te, które spadały — kontynuowały spadek.^[14] To zjawisko pokrewne temu, co AT nazywa trendem — ale ważne są granice: badanie dotyczy przekrojowego momentum portfeli akcji w horyzoncie 3–12 miesięcy i nie dowodzi skuteczności linii trendu, formacji ani kontynuacji ruchu na konkretnej parze walutowej. Inne anomalie: efekt overreaction, efekt kalendarza, efekt małych spółek. Każda podważa przynajmniej słabą formę EMH.

Ważne zastrzeżenie: badania Famy, Jegadeesha i Titmana dotyczą przede wszystkim rynku akcji. Rynek Forex różni się strukturalnie — jest zdecentralizowany (OTC), handluje 24 godziny na dobę przez 5 dni w tygodniu, nie ma publicznego centralnego order booka, a dominują na nim algorytmy i instytucje, nie indywidualni inwestorzy.^[6] Część badań testowała reguły techniczne bezpośrednio na kursach walutowych — wyniki są mieszane: niektóre prace wykazywały rozpoznawalne wzorce w danych, ale po uwzględnieniu realistycznych kosztów transakcyjnych przewaga często słabła lub znikała.^[15] Ekstrapolacja wniosków z rynku akcji na Forex wymaga ostrożności.

Elegancką odpowiedź na pozorny konflikt między EMH a praktyką rynkową dali Grossman i Stiglitz w 1980 roku.^[16] Ich paradoks brzmi tak: jeśli rynki byłyby w pełni efektywne, nikt nie miałby motywacji do analizowania informacji — bo nie byłoby za to nagrody. Ale jeśli nikt nie analizuje, rynki przestają być efektywne. Zatem pełna efektywność jest wewnętrznie sprzeczna. Rynki muszą być „wystarczająco nieefektywne", żeby analiza (techniczna czy fundamentalna) miała sens dla tych, którzy ją stosują.

Andrew Lo zaproponował w 2004 roku mostek, który nazwał Adaptive Markets Hypothesis i rozwinął w książce „Adaptive Markets" z 2017.^[17] W tej ramie rynki nie są ani stale efektywne, ani stale nieefektywne — ich efektywność zmienia się w czasie, w zależności od składu uczestników, konkurencji między strategiami i warunków otoczenia. Strategia, która dawała przewagę w jednym środowisku, może przestać działać, kiedy zbyt wielu uczestników zacznie ją stosować — i odwrotnie. To przypomina ekosystem biologiczny bardziej niż maszynę fizyczną. Ze wszystkich dostępnych modeli ten wydaje się najbliższy temu, co obserwujemy na co dzień — z jednym uczciwym zastrzeżeniem: skoro „efektywność się zmienia", AMH potrafi po fakcie wyjaśnić niemal każdy wynik, co czyni ją równie trudną do sfalsyfikowania jak samą AT.

Praktyczny wniosek: przewaga rynkowa ma krótką datę ważności. Proste, publicznie znane reguły — po tym jak trafiają do masowych kursów i algorytmów — zwykle tracą część przewagi, bo rynek adaptuje się do przewidywalnych zleceń. To intuicja zgodna zarówno z Adaptive Markets Hypothesis, jak i z praktyką traderów. To, co staje się darmową informacją, rzadko długo zostaje darmową przewagą.

6. Co z tego wynika konkretnie dla rynku Forex

Większość tekstów o filozofii AT pisze się tak, jakby dotyczyła wszystkich rynków jednakowo. Tak nie jest. Forex ma specyficzne cechy strukturalne, które wpływają na to, jak te założenia sprawdzają się w praktyce.

Brak scentralizowanego wolumenu. Na giełdzie akcji wolumen to twardy fakt — wiesz, ile akcji zmieniło właściciela. Na Forex nie istnieje centralny order book. Dane o wolumenie, które widzisz u brokera detalicznego, to zwykle tick volume — liczba zmian ceny w danym okresie, nie rzeczywista wartość transakcji. Według finalnych danych BIS z badania za kwiecień 2025 roku dzienny obrót na rynku FX wynosi 9,51 biliona dolarów^[6], ale trader detaliczny widzi tylko wycinek tego oceanu. Wskaźniki wolumenu (OBV, VWAP) na Forex trzeba więc traktować z większą rezerwą niż na giełdzie.

Rynek OTC, 24/5. Brak centralnego fixingu oznacza, że „cena otwarcia" i „cena zamknięcia" na Forex są umowne — zależą od strefy czasowej serwera brokera. Formacja cenowa, która wygląda elegancko u brokera z serwerem w Nowym Jorku, może wyglądać inaczej u brokera z serwerem w Londynie. Na rynkach giełdowych problem jest znacznie mniejszy, bo sesję i kursy odniesienia ustala giełda.

Dominacja makro i banków centralnych. Wielomiesięczne trendy na parach walutowych są napędzane głównie przez różnice stóp procentowych i przepływy kapitału między gospodarkami. Kiedy różnica stóp przesuwa się na korzyść dolara, EUR/USD zwykle traci — zależność nie jest mechaniczna, ale siła tego czynnika przerasta pojedyncze formacje.

W praktyce wielu traderów używa AT przede wszystkim do wyboru momentu wejścia i wyjścia, zostawiając kierunek czynnikom makro (polityka monetarna, bilans płatniczy, carry). Podejście czysto techniczne na interwałach tygodniowych i miesięcznych wymaga świadomości, że gra się wtedy obok głównego motoru tych rynków — nie jest z góry skazane na porażkę, ale ignoruje najsilniejszy czynnik.

Płynność zależy od godziny. AT zastosowana w szczycie sesji londyńsko-nowojorskiej (rdzeń nakładki ok. 14:00–17:00 czasu polskiego, pełne nakładanie do ok. 18:00 — art. 4.3) i ta sama AT o 3:00 w nocy w cienkiej sesji azjatyckiej to dwa różne światy. W godzinach niskiej płynności spready się rozszerzają, a fałszywe wybicia zdarzają się częściej — bo wystarczy mniejszy kapitał, żeby poruszyć cenę.

Rola handlu elektronicznego i algorytmicznego. Na rynku Forex ogromną część obrotu na głównych parach generuje handel elektroniczny i algorytmiczny. Algorytmy same „widzą" poziomy techniczne, średnie kroczące i formacje — i reagują szybciej niż człowiek. Prosty setup typu „kupuj, kiedy RSI poniżej 30 na EUR/USD H1" jest dziś trywialnie skanowalny maszynowo — i bywa eksploatowany albo wygaszany, zanim człowiek zdąży zareagować. Sama obserwacja tego samego poziomu nie daje jeszcze przewagi — a maszynowa wykrywalność reguły nie przesądza o jej wyniku, który zależy m.in. od kosztów, opóźnienia wykonania, konkurencji innych uczestników i stabilności zależności na nowych danych.

Jakość egzekucji to nie jakość analizy. Ten sam sygnał u dwóch brokerów może dać różne wyniki, bo między analizą a rachunkiem stoi wykonanie: model brokera, spread, poślizg. Przy ocenie „skuteczności AT" oddzielaj te dwie warstwy — modele wykonania i związane z nimi konflikty interesów rozkładają artykuł o modelach wykonania i o jakości egzekucji.

Pozycjonowanie z rynku futures (COT). Raport Commitments of Traders (CFTC, publikowany zwykle w piątek według stanu z wtorku — cftc.gov) pokazuje pozycje głównych grup uczestników na walutowych futures. To opóźnione proxy, nie zapis rynku spot; bywa używane jako filtr kontekstu dla dłuższego horyzontu, ale interpretacje „ekstremalnego" pozycjonowania wymagają zdefiniowania ekstremum i przetestowania — bez tego pozostają hipotezą. Szerzej o danych pozycjonowania → dział o analizie fundamentalnej.

7. Kiedy AT zawodzi — konkretne przypadki

Teoria jest ważna, ale nic nie uczy pokory wobec rynku tak skutecznie jak konkretne przypadki. Oto cztery momenty, w których analiza techniczna okazała się bezradna — i dlaczego warto je znać.

15 stycznia 2015 — SNBgeddon. Szwajcarski Bank Narodowy (SNB) od września 2011 roku utrzymywał minimalny kurs EUR/CHF na poziomie 1,2000. Przez ponad trzy lata ten poziom działał jak absolutne, nieprzebijalne wsparcie — potwierdzane nie przez geometrię wykresu, lecz przez deklarację banku centralnego. Tysiące traderów handlowały pod to wsparcie, otwierając pozycje długie na EUR/CHF w okolicach 1,2010–1,2020 z ciasnym stop lossem tuż poniżej. 15 stycznia 2015 około godziny 10:30 czasu polskiego SNB bez ostrzeżenia ogłosił rezygnację z obrony poziomu 1,2000.^[22] W ciągu minut EUR/CHF spadł z ok. 1,2010 w okolice 0,8500 — ruch rzędu 3 500 pipsów, przy czym dokładne minimum różniło się między dostawcami kwotowań. Stop lossy nie zostały zrealizowane po ustawionej cenie, bo rynek dosłownie „przeskoczył" przez nie — stop market to instrukcja „wyjdź po najbliższej dostępnej cenie", nie gwarancja poziomu. Część klientów skończyła z saldami ujemnymi; Alpari (UK) weszła w postępowanie administracji specjalnej^[24], a FXCM zgłosił początkowo ok. 225 mln USD ujemnych sald klientów (późniejszy raport roczny mówił o ok. 275 mln) i przyjął 300 mln USD finansowania ratunkowego od Leucadia.^[25] Żadna formacja techniczna nie sygnalizowała tego ruchu, bo żadna formacja nie potrafi przewidzieć decyzji politycznej podjętej za zamkniętymi drzwiami.

6 maja 2010 — Flash Crash. Indeks Dow Jones spadł o niemal 1000 punktów w ciągu kilku minut, a następnie odrobił większość strat. Na rynku Forex pary z jenem (EUR/JPY, GBP/JPY) zachowywały się w tym czasie chaotycznie. Wśród przyczyn wskazywano duże automatyczne zlecenie sprzedaży kontraktów futures, które trafiło w napięty rynek i uruchomiło kaskadę reakcji innych systemów — pojedynczy algorytm był elementem splotu czynników, nie jedynym sprawcą. Wsparcia techniczne były przebijane jedno po drugim niemal bez reakcji — płynność po stronie kupna gwałtownie się pogorszyła, a odpowiedzi kolejnych systemów spotęgowały ruch.^[23]

Marzec 2020 — pandemia COVID-19. Przez trzy tygodnie (od końca lutego do połowy marca) rynki globalne doświadczyły panicznej wyprzedaży. Na Forex dolar amerykański najpierw osłabiał się (risk-off powinien wspierać dolara, ale rynki nie czytają podręczników), potem gwałtownie się umocnił, potem znów osłabiał. EUR/USD zrobił w ciągu trzech tygodni ruch z ok. 1,0770 do ok. 1,1500 i z powrotem do ok. 1,0640 (wartości przybliżone; feedy się różniły). Wcześniej skalibrowane sygnały traciły stabilność, bo kierunek, zmienność i płynność zmieniały się szybciej niż w typowym otoczeniu — instytucje sprzedawały wszystko, co dawało się sprzedać, żeby pozyskać gotówkę.

Flash crash GBP/USD, 7 października 2016, ok. 00:07 czasu londyńskiego (ok. 1:07 w Polsce). W ciągu minut, we wczesnej i cienkiej fazie handlu azjatyckiego, funt spadł z ok. 1,2600 do minimów, które różniły się między feedami — Reuters pokazał ok. 1,1378, inne platformy inne wartości; ruch rzędu 1 200 pipsów. Ta rozbieżność minimów to osobna lekcja: wykres detaliczny nie jest „rynkiem", tylko zapisem jednego strumienia kwotowań. Kolejne poziomy wsparcia — 1,2500, 1,2200, 1,1800 — zostały przebite bez zatrzymania, a stop lossy na longach realizowały się daleko poniżej ustawionych cen (skala zależna od brokera i feedu). Raport BIS opisuje gwałtowne wycofanie płynności i splot czynników: porę dnia, zlecenia, reakcje algorytmów i mechaniczne wzmacniacze.^[21] Żadna formacja tego nie sygnalizowała — w tym oknie doby płynność GBP/USD jest najcieńsza.

Wspólny element tych przypadków: rynek zmienił reżim. Z normalnych warunków (trend lub konsolidacja) przeszedł w tryb kryzysu, w którym reguły „normalności" są zawieszone. Konwencje AT opisują rynek w warunkach normalnej płynności; w reżimach kryzysowych przestają przystawać do zachowania ceny. Rzadkie epizody tego rodzaju potrafią zdominować wynik całego roku.

8. Czego analiza techniczna nie potrafi

AT nie przewiduje zdarzeń zewnętrznych. Żaden wykres nie pokaże, że za trzy godziny prezes Fed zmieni ton wypowiedzi, że wybuchnie konflikt zbrojny albo że globalny bank ogłosi niewypłacalność. Cena integruje informacje, które już istnieją — nie te, które dopiero powstaną. Trader, który mówi „wykres pokazywał, że cena spadnie, więc powinienem był sprzedać przed NFP" — popełnia błąd retrospekcji.

AT mówi „co" i „kiedy", ale nie mówi „dlaczego". Formacja cenowa sygnalizuje możliwy kierunek i orientacyjny zasięg ruchu — ale nie wyjaśnia, jaki mechanizm za tym stoi. Dla wielu traderów to wystarczy. Dla analityka makro — nie. Obie perspektywy są komplementarne, nie sprzeczne.

Poszczególne reguły techniczne są testowalne — ale AT jako całość nie jest falsyfikowalna w sensie popperowskim. Można przetestować, czy „kupuj, gdy RSI < 30" daje przewagę na EUR/USD H4 w latach 2020–2025. Można tę hipotezę obalić danymi. Ale kiedy konkretna formacja „nie zadziała", zwolennik AT powie: „rynek dał fałszywy sygnał", „setup nie spełniał wszystkich warunków" albo „kontekst makro był nietypowy". Trudno skonstruować eksperyment, który definitywnie obaliłby AT jako całą dziedzinę — bo AT to nie jedna hipoteza, lecz rodzina heurystyk z ruchomymi definicjami i wyjątkami.

Granice testowania. Dwie pułapki wracają przy każdej próbie „udowodnienia" reguły: dopasowanie do historii (im więcej parametrów, tym piękniejszy wynik na danych przeszłych i gorszy na rachunku) oraz zmiana reżimu rynku (narzędzie zestrojone pod trend sypie się w konsolidacji — i odwrotnie, a rozpoznanie bieżącego reżimu samo w sobie jest trudne). Oba tematy, wraz z warsztatem ich kontroli, rozkłada art. 5.12.

Świadomość tych ograniczeń nie osłabia analizy technicznej. Trader, który to wie, rzadziej siada do rynku z nastawieniem „tylko potwierdź".

9. Mit vs. rzeczywistość

10. Cena jako informacja — mostek do praktyki

Cena to brudny skrót rzeczywistości — widzisz wynik walki kupujących i sprzedających, ale nie widzisz, kto składał zlecenia rynkowe, kto się zabezpieczał i kto zbierał płynność. AT to nie prognoza przyszłości, tylko zakład oparty na tym, że podobny układ znów przyciągnie zlecenia. Formacja to hipoteza: działała w przeszłości, może zadziałać znów, może nie. Twoje zadanie to wiedzieć zawczasu, przy jakiej cenie masz rację, a przy jakiej nie — i trzymać się tego. Trader, który zakłada, że regularnie będzie się mylił, ustawia stop lossy chętniej i zamyka stratne pozycje szybciej niż ktoś „pewny" swojej analizy — i to jest praktyczna, mierzalna różnica, nie kwestia charakteru.

W kolejnych artykułach przechodzimy od filozofii do praktyki: konstrukcja wykresu, trend, wsparcie i opór, formacje cenowe i wskaźniki. Każde z tych narzędzi będzie osadzone w ramie, którą zarysowaliśmy tu: AT buduje scenariusze warunkowe na podstawie zachowania ceny, a ich prawdopodobieństwa estymuje się na danych — z jasnymi ograniczeniami i bez gwarancji.

Jarosław Wasiński

Redaktor naczelny MyBank.pl • Analityk finansowy i rynkowy

mgr Jarosław Wasiński — niezależny analityk i praktyk z ponad 20-letnim doświadczeniem w sektorze finansowym. Twórca i redaktor naczelny portalu MyBank.pl, dostarczającego rzetelną wiedzę o finansach osobistych, bankowości i inwestycjach od 2004 roku.

• Bankowość i produkty finansowe: porównania kont osobistych i firmowych, analiza taryf opłat, testy aplikacji mobilnych, recenzje kredytów, lokat i kart kredytowych — z naciskiem na realne koszty i ukryte opłaty.
• Rynki finansowe i makroekonomia: analiza fundamentalna rynków walutowych (Forex) i makroekonomicznych od 2007 roku, zarządzanie ryzykiem kapitału, struktura rynków OTC.
• Kryptowaluty: analiza rynku kryptowalut, mechanizmów blockchain i tokenizacji aktywów w kontekście portfela inwestycyjnego.

Autor setek komentarzy rynkowych, analiz porównawczych produktów bankowych i materiałów edukacyjnych. Zwolennik transparentności — każdy ranking i recenzja na MyBank.pl opiera się na jawnej metodologii i zweryfikowanych źródłach (taryfy banków, regulaminy promocji, dane NBP).

Treści mają charakter edukacyjny i informacyjny — nie stanowią porady inwestycyjnej, rekomendacji ani oferty. Decyzje finansowe podejmuj na podstawie własnej analizy i konsultacji z doradcą.