Thought leaders

64.2% van daghandelaren verloor geld — een door fruitvlieg geïnspireerde machine versloeg hen, maar de markt won toch

mm
Voeg Securities.io toe aan je voorkeursbronnen op Google

Historische studies tonen aan dat de meeste daghandelaren worstelen na kosten. Een systeem geïnspireerd op de neurale bekabeling van de fruitvlieg bracht discipline en herhaalbaarheid – maar bleef toch achter bij kopen-en-houden in drie van de vier activa.

Daghandelaren staan al voor brute kansen: in één Amerikaanse steekproef verloor 64.2% geld na commissies.[1] In Taiwan verdiende minder dan 1% van de bredere daghandelaarspopulatie consequent positieve abnormale rendementen na kosten.[2] Tegen die achtergrond ziet een machine, gedeeltelijk geïnspireerd op de neurale bekabeling van de fruitvlieg, er verrassend respectabel uit. Hij volgde vaste regels voor SPY, GLD, QQQ en Apple en vermijdde de emotionele besluitvorming die mensen kan ontsporen. Maar volgens de door het paper toegewezen risico‑gecorrigeerde doelstelling voor de gemeenschappelijke periode bleef hij achter bij simpel kopen‑en‑houden in drie van de vier activa. Het punt is niet dat een vlieg een mens versloeg; het is dat zelfs een gedisciplineerd, exotisch handelssysteem niet kon aantonen dat het beter was dan simpelweg de markt bezitten.

Waarom de menselijke basislijn zo zwak is

Het Amerikaanse bewijs is al onaangenaam voordat de machine de kamer binnenkomt. In een steekproef van 324 handelaren eindigde slechts 35.8% met positieve nettowinst, terwijl 64.2% geld verloor na commissies. De gemiddelde handelaar ging van meer dan $8,000 bruto winst naar ongeveer een verlies van $750 zodra transactiekosten waren meegerekend.[1] Taiwan ontdekte dat sommige handelaren duidelijk vaardig waren, maar minder dan 1% van de bredere daghandelaarspopulatie betrouwbaar positieve abnormale rendementen behaalde na kosten.[2]

Brazilië was nog strenger. Van de 1.551 personen die meer dan 300 dagen aandelentermijncontracten bleven verhandelen, verloor 97 % geld na aftrek van kosten; slechts 1,1 % verdiende meer dan het Braziliaanse minimumloon en 0,5 % verdiende meer dan het startsalaris van een bankmedewerker.[3] Als het experiment ‘kies willekeurig een daghandelaar’ is, heeft de geschiedenis de dobbelstenen al gegooid. De willekeurige persoon kan getalenteerd zijn. De kansen zeggen simpelweg dat je er geen huur op moet inzetten.

Wat het fruitvlieg‑systeem daadwerkelijk deed

De geautomatiseerde strategie gebruikte een recurrente architectuur die gedeeltelijk is afgeleid van het mannelijke Drosophila‑connectoom – een kaart van neurale verbindingen in een fruitvlieg – samen met ontworpen momentum-, volatiliteits- en geheugensignalen. Hij dacht niet als een insect, en hij was geen kleine digitale vlieg die ‘koop QQQ’ schreeuwde. Het praktische voordeel was veel minder filmisch: de risicoregels waren vooraf vastgesteld. Hij raakte niet in paniek na een verlies, achtervolgde geen winst, raakte zich niet te vervelen, of besloot niet dat een aandeel ‘goedkoop aanvoelde’.

Die discipline was niet voldoende om een eenvoudige benchmark te verslaan. Volgens het door het paper toegewezen risico‑gecorrigeerde doel scoorde het op fruitvlieg‑gebaseerde systeem ongeveer 13.3% onder kopen‑en‑houden voor SPY, 46.3% onder voor GLD en 48.3% onder voor QQQ. Apple was het enige lichtpuntje met ongeveer 1.6% boven kopen‑en‑houden op die maatstaf. Over de vier activa gemiddeld de machine ongeveer 48.8% marktblootstelling, 12.56‑voudige omloopsnelheid en een absolute maximale drawdown van 7.55%. Interessante techniek? Ja. Bewijs van een marktaandeel? Nee.

Waarom dit belangrijk is

Er heeft nog geen gesynchroniseerde mens‑tegen‑vlieg wedstrijd plaatsgevonden. Deze cijfers zijn een historische vergelijking, geen bewijs dat de machine een willekeurig gekozen handelaar zou verslaan in een live competitie. De menselijke studies bestrijken verschillende markten, periodes en instrumenten, terwijl de vliegresultaten afkomstig zijn van een afzonderlijke onderzoeksoefening.[1][2][3] Die beperking is belangrijk omdat een grappige kop niet kan dienen als vervanging voor experimenteel ontwerp.

De bruikbare conclusie is beperkter. Mensen kunnen een voordeel verliezen door kosten, emotie, overmoed en inconsistente risicobereidheid. Machines kunnen een groot deel van dat gedrag wegnemen en toch een strategie uitvoeren die simpelweg niet goed genoeg is. Complexiteit kan een handelssysteem intelligent laten lijken zonder het economisch superieur te maken. De meest irritante les van Wall Street kan ook de eenvoudigste zijn: de saaie benchmark is moeilijk te verslaan.

Wat er nu zou moeten gebeuren

Dit is een oplosbaar onderzoeksprobleem. De volgende stap is een prospectief, gekoppeld experiment in plaats van een andere retrospectieve vergelijking.

  1. Selecteer de mens voordat de handel begint. Kies de handelaar prospectief, niet achteraf, omdat een historisch record er uitzonderlijk uitziet.
  2. Geef beide partijen dezelfde markt. Gebruik dezelfde SPY, QQQ, GLD en Apple-wereld, startkapitaal, hefboomlimieten, handelsuren, prijzen, short‑selling regels en aannames over transactiekosten.
  3. Voer de wedstrijd uit gedurende ongeveer één handelsjaar. Gebruik ongeveer 252 marktsessies en registreer kosten, slipage, omloopsnelheid, drawdowns, marktblootstelling en regelwijzigingen vanaf het begin.

De uitkomst die Wall Street het meest zal waarderen

Een eerlijke test kan eindigen met de mens die wint, de vlieg die wint, of beide die worden verslagen door kopen‑en‑houden. De derde uitkomst zou de grappigste zijn en kan het meest nuttig zijn. Het zou aantonen dat noch menselijke intuïtie noch exotische neurale architectuur automatisch een voordeel oplevert zodra kosten en risico zijn meegerekend. Daghandelaren hoeven geen fruitvliegen te vrezen. Ze moeten wel slechte kansen, verborgen kosten en strategieën vrezen waarvan de complexiteit hun bewijs overstijgt.

Referenties:

1. Jordan, D. J., & Diltz, J. D. (2003). De winstgevendheid van daghandelaren. Financial Analysts Journal, 59(6), 85–94. https://doi.org/10.2469/faj.v59.n6.2578
2. Barber, B. M., Lee, Y.-T., Liu, Y.-J., & Odean, T. (2014). Het spectrum van speculantenvaardigheid: Bewijs uit daghandel. Journal of Financial Markets, 18, 1–24. https://doi.org/10.1016/j.finmar.2013.05.006
3. Chague, F., De-Losso, R., & Giovannetti, B. (2020). Daghandel voor de kost? (FGV EESP Working Paper No. 525; CEQEF Working Paper No. 57).

Ogdn Ames is een kwantitatieve belegger, Advanced Systems Engineering PhD‑studentonderzoeker en software‑ en AI‑engineer. Hij is de oprichter en CEO van Ames Investment Systems, waar hij zich bezighoudt met de ontwikkeling en studie van algoritmisch handelen, machine‑learning en kwantitatieve beleggingssystemen. Ames heeft kwantitatieve strategieën ontwikkeld en live verhandeld en heeft analyses gepubliceerd over kunstmatige‑intelligentie‑infrastructuur en beleggen.