Filozofia analizy technicznej — dlaczego 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 sformalizował go pod koniec XIX wieku na łamach „Wall Street Journal", 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] 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 mówi ci przyszłości. Cena pokazuje, gdzie rynek wcześniej reagował — tyle. Reszta to twój zakład na to, że podobny układ znów przyciągnie zlecenia. Nie z pewnością. Nie zawsze. Ale wystarczająco często, żeby dało się na tym budować decyzje handlowe.

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

2. Trzy aksjomaty Dow Theory

U podstaw analizy technicznej leżą trzy założenia. W literaturze bywają formułowane różnie, ale sens jest ten sam od ponad stu lat. To nie są aksjomaty jak w matematyce. To robocze założenia, które rynek regularnie testuje i czasem bezlitośnie obala. 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".

Cena to brudny skrót. Widzisz wynik walki kupujących i sprzedających, ale nie widzisz, kto walił marketem, 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 zwykle oznacza, że ktoś duży — bank, fundusz, bank centralny — właśnie złożył zlecenie, o którym reszta rynku dowie się z opóźnieniem. Cena „zdyskontowała" informację, ale tylko dla tych, którzy ją mieli.

Mimo tych ograniczeń, aksjomat dyskontowania jest użyteczny 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. To nie jest stwierdzenie „ceny zawsze idą w górę" ani „ceny zawsze spadają". To obserwacja, 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) poszedł z okolic 98 do ponad 114. 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. Każdy, kto twierdzi, że robi to bezbłędnie, albo ma bardzo krótką pamięć, albo bardzo bujną wyobraźnię.

2.3. „Historia się powtarza"

Trzeci aksjomat jest najbardziej kontrowersyjny — i jednocześnie najbardziej intuicyjny. 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 działa dlatego, że ma magiczne właściwości geometryczne. Działa (kiedy działa), bo odzwierciedla sekwencję: entuzjazm → wątpliwość → retest → rozczarowanie → wyprzedaż. Ta sekwencja psychologiczna powtarza się, bo ludzie się powtarzają.

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. Stosuje confirmation bias uzbrojony w narzędzia rysunkowe.

Rynek nigdy nie powtarza się dosłownie. Powtarza się ludzka panika, chciwość i stado — a te mają charakterystyczne odciski na wykresie. Tyle. Formacja to nie setup sam w sobie, tylko szkic. Bez kontekstu płynności, godziny i ryzyka jest ładnym kształtem do przegrania pieniędzy. Statystycznie może dawać umiarkowaną przewagę — jeśli stosujesz ją konsekwentnie i z rygorystycznym zarządzaniem ryzykiem.

3. Samospełniająca się przepowiednia — mechanizm, 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, zlecenia się aktywują — i cena rzeczywiście się odbija. Przepowiednia się spełniła, bo uczestnicy rynku 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.

Poziom działa do momentu, aż większy kapitał postanowi przez niego przejechać. Wtedy „szacunek rynku do wsparcia" kończy się poślizgiem na fillu. AT jako narzędzie sprawdza się w warunkach normalnej płynności i względnej równowagi sił — kiedy bank centralny przeprowadza interwencję z rezerwami rzędu miliardów dolarów, żaden poziom techniczny nie wytrzyma. Siła fundamentalna po drugiej stronie jest 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. To naturalne miejsce koncentracji płynności — potwierdzane zarówno praktyką execution, jak i badaniami mikrostruktury rynku. Gdy cena dotyka takiego skupiska, dostarcza zleceń rynkowych (sprzedaży przy aktywowanych SL longów) — dokładnie wtedy, gdy większy gracz chce kupić. To nie jest spisek. To mechanika order flow.

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 brać zakłady z lepszą ceną błędu niż przeciętny klikacz. Formacja mówi: „w podobnych układach cena częściej szła w kierunku X niż w kierunku Y". Ile częściej? To zależy od konkretnej 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 jest zwykle umiarkowana. W badaniach akademickich rzadko przekracza 60%, a po uwzględnieniu kosztów transakcyjnych, spreadu i slippage'u bywa jeszcze mniejsza. To daleko od pewności i wystarczająco blisko 50%, żeby zarządzanie ryzykiem i wielkością pozycji decydowały 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 jest matematycznie zyskowna — 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]

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, to statystycznie kilkanaście z nich „zadziała" — 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.

Kolejny problem: survivorship bias w backtestach. Testując formacje na danych historycznych, naturalnie selekcjonujemy te, które „działały" — a pomijamy tysiące, które nie dały żadnego sygnału statystycznie istotnego. Opublikowane wyniki badań nad AT cierpią na ten sam problem: publikuje się przede wszystkim wyniki pozytywne.

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 przez 200 transakcji, da wynik dodatni?". Pierwsze pytanie nie ma sensownej odpowiedzi. Drugie — ma, i można ją estymować.

5. Najważniejszy kontrargument: Hipoteza Rynku Efektywnego

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 jest dokładnie to, co analiza techniczna nazywa „trendem" — tyle że udowodnione metodami statystycznymi w recenzowanym czasopiśmie naukowym. 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. I ze wszystkich dostępnych modeli opisujących relację między efektywnością rynku a praktyką tradingową, ten wydaje się najbliższy temu, co obserwujemy na co dzień.

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 darmowym edge'em.

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 aksjomaty AT się sprawdzają 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 danych BIS z ankiety za kwiecień 2025 roku, dzienny obrót na rynku FX wynosi 9,6 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 rynku akcji ten problem nie istnieje.

Dominacja makro i banków centralnych. Wielomiesięczne trendy na parach walutowych są napędzane głównie przez różnice stóp procentowych i przepływy kapitału między gospodarkami. Kiedy Fed podnosi stopy, a EBC je tnie, EUR/USD spada — i żadna formacja techniczna tego nie zmieni.

AT na Forex działa najlepiej jako narzędzie do timingu wejścia i wyjścia, podczas gdy fundamenty (polityka monetarna, bilans płatniczy, carry) określają kierunek. Próba handlowania na Forexie „czysto technicznie" na interwałach tygodniowych czy miesięcznych to dość pewna droga do rozczarowania.

Płynność zależy od godziny. AT zastosowana w szczycie sesji londyńsko-nowojorskiej (13:00–17:00 CET) 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 skanowany przez setki algorytmów, zanim cena w ogóle dotknie poziomu — i albo eksploatowany, albo wygaszony. Sama obserwacja tego samego poziomu nie daje jeszcze przewagi. Zysk trafia zwykle do tego, kto ma szybszą egzekucję, lepszy kontekst (płynność, order flow, makro) albo dyscyplinę w doborze warunków wejścia.

A-Book, B-Book i konflikt interesów. Ten sam setup u dwóch klientów może dać inny wynik, bo jakość egzekucji zależy od modelu brokera. Broker w modelu A-Book (STP/ECN) przekazuje zlecenie do dostawcy płynności i zarabia na prowizji. Broker w modelu B-Book (market maker) internalizuje zlecenie — jest drugą stroną twojej transakcji, widzi twojego stop lossa i zarabia wtedy, gdy ty tracisz. To nie jest spisek, tylko model biznesowy — ale oznacza, że przy ocenie „skuteczności AT" trzeba oddzielić jakość analizy od jakości wykonania. Więcej w artykule o modelach wykonania.

COT — jedyne legalne okno we flow instytucjonalny. Zamiast ufać tickowemu szumowi od swojego brokera, warto śledzić raport Commitments of Traders publikowany co piątek przez CFTC (cftc.gov). Pokazuje pozycjonowanie głównych grup uczestników rynku futures walutowych. Historycznie ekstremalnie jednostronne pozycje spekulantów korelują z odwróceniami trendu — nie z jego kontynuacją. To nie jest sygnał wejścia, ale filtr kontekstu, który mówi, czy twoja teza techniczna ma wiatr w plecy, czy wchodzi w bardzo zatłoczony trade.

7. Kiedy AT zawodzi — konkretne przypadki

Teoria jest ważna, ale nic nie uczy pokory wobec rynku tak skutecznie jak konkretne przypadki. Oto trzy 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 o godzinie 10:30 CET SNB bez ostrzeżenia ogłosił rezygnację z obrony poziomu 1.2000. W ciągu dwóch minut EUR/CHF spadł z 1.2010 do okolic 0.8500 — ruch o prawie 3500 pipsów. Stop lossy nie zostały zrealizowane po ustawionej cenie, bo rynek dosłownie „przeskoczył" przez nie — nie było kwotowań pomiędzy. Wielu traderów i kilku brokerów (m.in. Alpari UK) zbankrutowało tego dnia. 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. Przyczyna? Algorytm handlowy, który złożył masywne zlecenie sprzedaży kontraktów futures, uruchamiając lawinę automatycznych stop lossów i dalszych algorytmów. Wsparcia techniczne były przebijane jedno po drugim bez żadnej „reakcji" — bo po drugiej stronie nie było zleceń kupna, tylko kolejne algorytmy likwidujące pozycje.

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 1.0770 do 1.1500 i z powrotem do 1.0640. Żaden trend, żadna formacja — czysty chaos płynnościowy, w którym instytucje sprzedawały wszystko, co się dało sprzedać, żeby pozyskać gotówkę.

Flash crash GBP/USD, 7 października 2016, 00:07 czasu azjatyckiego. Cena spadła z 1,2600 do 1,1378 — ruch ponad 1 200 pipsów — w ciągu dwóch minut, podczas cienkiej sesji azjatyckiej. Żaden poziom wsparcia technicznego nie wytrzymał: 1,2500, 1,2200, 1,1800 — przebite bez zatrzymania. Traderzy ze stop lossami na longach dostali realizację po cenach 100–400 pipsów poniżej ustawionej (slippage przy braku płynności). Przez ~90 sekund po stronie kupna nie było nikogo. Żadna formacja tego nie sygnalizowała — bo w tym oknie godzinowym nikt sensowny nie handluje GBP/USD z dużą dźwignią.

Wspólny element tych przypadków: rynek zmienił reżim. Z normalnych warunków (trend lub konsolidacja) przeszedł w tryb kryzysu, w którym reguły „normalności" są zawieszone. AT jest zoptymalizowana pod normalne warunki i działa w nich dobrze przez większość czasu handlowego. Ale rzadkie epizody kryzysowe 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.

Overfitting — im więcej parametrów, tym piękniejszy backtest i gorszy live. Wystarczy dodać pięć filtrów do strategii, żeby na danych historycznych wyglądała na doskonałą. Ale każdy dodatkowy filtr to dopasowanie do szumu, nie do sygnału. Strategie z dwoma–trzema prostymi regułami działają na nowych danych zwykle lepiej niż strategie z dwunastoma precyzyjnymi warunkami.

Reżimy rynkowe się zmieniają. Rynek przechodzi między fazami: trending, mean-reverting (konsolidacja), wysoka zmienność, niska zmienność. Większość narzędzi AT jest zoptymalizowana pod jeden reżim. Średnia krocząca, która pięknie filtruje trend, generuje serię fałszywych sygnałów w bocznym rynku. Oscylator, który świetnie łapie odwrócenia w konsolidacji, daje ciągłe „sygnały sprzedaży" w silnym trendzie wzrostowym. Profesjonalni traderzy najpierw identyfikują reżim rynkowy, a dopiero potem dobierają narzędzia — ale identyfikacja reżimu jest sama w sobie trudna i subiektywna.

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 walił marketem, kto hedge'ował i kto zamiatał 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. Pokora nie jest cnotą. Jest mechanizmem obronnym przed bankructwem. Trader, który przyjmuje, że myli się w 40–45% przypadków, ustawia stop lossy chętniej i zamyka stratne pozycje szybciej niż ktoś „pewny" swojej analizy. Kto to rozumie, ma szansę nie wyparować w pierwszym roku. To wszystko.

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 szacuje prawdopodobieństwa na podstawie zachowania ceny — 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.