Naše publikace v Acta Informatica Pragensia: Systematický přehled algoritmického obchodování

Velmi mě těší, že mohu sdílet, že naše společná práce s doc. Ing. Janem Lanským, Ph.D. byla publikována v časopise Acta Informatica Pragensia (vydává Vysoká škola ekonomická v Praze). Článek nese název Systematic Review on Algorithmic Trading a najdete ho v digitální knihovně CEEOL (odkaz).

Tento článek měl jeden ambiciózní cíl: systematicky zmapovat současný stav výzkumu algoritmického obchodování napříč pěti hlavními akademickými databázemi. Výsledkem je obraz toho, kam se obor dostal, co skutečně funguje a kde leží nejdůležitější mezery.

Metodologie: PRISMA 2020

Vědomě jsme zvolili PRISMA 2020 – současný zlatý standard pro systematic literature reviews. Tato metodologie není jen formalita, ale způsob, jak zaručit, že rešerše je reprodukovatelná a kompletní.

Proces stručně:

1. Vyhledávání ve zdrojích: IEEE Xplore, ACM Digital Library, SpringerLink, Web of Science, SSRN.
2. Počáteční sada: 1 567 článků z let 2015–2024.
3. Aplikace kritérií inclusion/exclusion – relevance, recenzní řízení, dostupnost dat.
4. Finální vzorek: 208 peer-reviewed článků.
5. Strukturovaná extrakce dat prostřednictvím nástrojů jako Rayyan, NVivo a Zotero.
6. Kvalitativní syntéza podle PICOC rámce.

Takový rozsah dává robustní obraz oboru, ne jen výsek podle vlastních preferencí autora.

Klíčová zjištění

1. Strojové učení dominuje, ale ne všude funguje stejně

50 % studií ve vzorku používá machine learning jako primární nebo doplňkový nástroj pro generování signálů. Hluboké neuronové sítě jsou nejviditelnější, ale klasické modely (random forests, gradient boosting) se ukazují jako stabilnější ve většině implementací.

2. Sentiment analysis je rostoucí, ale zatím ne dominantní

20 % studií zahrnuje sentiment analysis nebo NLP-based features. Většina z nich ji ale používá jako doplněk k cenovým datům, ne jako samostatný signál. Toto zjištění se shoduje s naší vlastní empirickou zkušeností.

3. Akcie a forex jsou nejstudovanější trhy

• 35 % studií se zaměřuje na akciové trhy.
• 30 % na měnové trhy (forex).
• Zbylých 35 % se dělí mezi kryptoměny, komodity, indexy a obligace.

4. High-frequency trading: nejvíce zkoumaný styl

30 % studií se věnuje HFT – nejvíce zkoumané strategii v moderní algoritmické literatuře. Současně je to ale styl, do kterého retail obchodník prakticky nemá vstup. Pro praktiky je tedy užitečné dívat se i na to, co funguje na denním nebo intra-day horizontu mimo HFT.

5. Tři opakující se výzvy

V rešerši jsme identifikovali tři výzvy, které se objevují napříč obrovským procentem studií:

• Latence (30 %) – časové zpoždění mezi signálem a exekucí, kritické v HFT i normálním tradingu.
• Škálovatelnost (25 %) – mnoho strategií dobře funguje na malém kapitálu, ale ztrácí výhodu při škálování.
• Regulační otázky (25 %) – soulad s MiFID II, RTS 6, novou EU AI Act a podobně.

Co rešerše odhalila jako mezery v současném výzkumu

Etika a fairness algoritmického obchodování

Téma fairness, transparentnosti a algoritmické odpovědnosti je v širší ML komunitě prominentní, ale v algoritmickém obchodování zatím marginální. Mezery se týkají:

• Systematického bias v predikčních modelech (téma, kterému se sami věnujeme v rámci BFSA).
• Transparentnosti směrem k investorům.
• Auditovatelnosti rozhodovacích procesů strojů.

Realistické nákladové modelování

Mnoho akademických studií ignoruje transakční náklady nebo používá jejich „akademické“ odhady. Skutečné spready, slippage a tržní mikrostruktura mají na výnos dramatický dopad – a v rešerši se ukazuje, že právě toto je nejčastější důvod rozdílu mezi akademickými výsledky a realitou.

Dostupnost AI nástrojů pro praktiky

Většina sofistikovaných modelů zůstává v akademických laboratořích. Bridge mezi výzkumem a retail/profesionálními obchodníky je úzký a vyžaduje další úsilí.

Praktické důsledky pro nás v Prisma Forex

Tato práce ovlivnila náš vlastní výzkumný program několika způsoby:

1. Validace fokusu na bias. Naše práce na BFSA (Bias-Corrected FSA) se ukázala být v souladu s identifikovanou mezerou v literatuře.
2. Důraz na realistické náklady. Všechny naše interní backtesty zahrnují skutečné spready a slippage – ne idealizované hodnoty.
3. Transparentnost. Snažíme se metodologii našich systémů popisovat jasně, ne ji skrývat za marketingové fráze.

Doporučení pro budoucí výzkum

V závěru článku jsme formulovali několik směrů, kterým by se měl obor systematicky věnovat:

• Etické rámce pro algoritmické obchodování.
• Jasnější regulační prostředí pro AI-based systémy.
• Širší dostupnost AI komponent pro praktiky, ne jen pro instituce.
• Standardizace metrik pro porovnatelnost výsledků napříč studiemi.
• Robustní testování out-of-sample jako základní standard.

Citace a další čtení

Jukl, D., & Lansky, J. (2025): Systematic Review on Algorithmic Trading. Acta Informatica Pragensia, Vol. 14, Issue 3, pp. 506–534. ISSN 1805-4951. Plné znění v CEEOL

Pro nás samé je tato práce jakýsi rozcestník, který nasměroval celou naši další výzkumnou agendu. Identifikované mezery jsou témata, ke kterým se v Prisma Forex i v rámci doktorského studia postupně vracíme – ať už je to bias correction, realistické nákladové modelování, nebo etické rámce.

Závěrem

Děkuji svému spoluautorovi doc. Janu Lanskému, Ph.D. za výjimečnou spolupráci a celé komunitě recenzentů Acta Informatica Pragensia za poctivé recenzní řízení.

Pokud vás konkrétní část rešerše zajímá víc, neváhejte mě kontaktovat – článek je open-access a rád ho s vámi prodiskutuji. Kontakt najdete na LinkedInu.

---

Tato práce je součástí mého doktorského výzkumu na VŠFS pod vedením doc. Ing. Jana Lanského, Ph.D. Další publikace z této série postupně sdílíme na blogu Prisma Forex.