מיקום COT ועסקאות צפופות: זיהוי היפוכים

שניים מתוך שמונת שוקי החוזים העתידיים העיקריים על מטבעות מציגים כעת קיצוניות סטטיסטית במיקום הספקולטיבי. חוזי שורט נטו על JPY ירדו מתחת ל-148,000- — ציון Z של 2.4- לעומת התפלגות 52 השבועות האחרונים — בעוד שלונגים נטו על EUR עלו ל-112,000+, ציון Z של 2.1+. כאשר סוחרים לא-מסחריים מצטופפים בכבדות בכיוון אחד, העסקה מפסיקה להיות קשורה לתזה המאקרו ומתחילה להיות קשורה לסיכון יציאה.

מאמר זה עוסק במה שקורה אחר כך. באמצעות נתוני CFTC Commitments of Traders השבועיים, אנו בוחנים כיצד לזהות מתי עסקה קונצנזוסית עוברת מ"ממוקמת היטב" ל"צפופה באופן מסוכן", כיצד נראים אותות האזהרה המוקדמים של פירוק עסקה, וכיצד לבנות מסגרת היפוך סביב קיצוניות במיקום COT.

הגדרת עסקה צפופה

עסקה הופכת לצפופה כאשר הקהילה הספקולטיבית הלא-מסחרית — קרנות גידור, מנהלי נכסים ויועצי מסחר בסחורות — צוברת עמדה כיוונית שהיא קיצונית סטטיסטית ביחס להיסטוריה שלה. מילת המפתח היא יחסית. לונג נטו של 100,000+ חוזי EUR אינו קיצוני מטבעו; הוא קיצוני רק אם הוא נמצא הרבה מעל טווח המיקום הטיפוסי של המטבע.

שני מדדים מחדדים הגדרה זו לספים ניתנים לפעולה.

ציון Z של מיקום נטו לא-מסחרי

הדרך החזקה ביותר לנרמל קריאות COT על פני מטבעות ותקופות זמן היא ציון ה-Z המתגלגל. הוא עונה על שאלה מדויקת: כמה סטיות תקן מעל או מתחת לממוצע האחרון שלו נמצא המיקום הנוכחי? שימוש בחלון של 52 שבועות קושר את נקודת הייחוס למשטר המאקרו הנוכחי ולא להיסטוריה של עשרות שנים שאולי אינה משקפת עוד את מבנה השוק הנוכחי.

import requests, statistics

BASE = "https://fxmacrodata.com/api/v1"
KEY  = "YOUR_API_KEY"

def fetch_cot(currency: str, start: str = "2018-01-01") -> list[dict]:
    r = requests.get(f"{BASE}/cot/{currency}", params={"api_key": KEY, "start": start})
    r.raise_for_status()
    return r.json()["data"]

def rolling_zscore(records: list[dict], window: int = 52) -> list[dict]:
    """Rolling 52-week z-score of net non-commercial positioning."""
    vals = [r["noncommercial_net"] for r in records]
    out  = []
    for i, rec in enumerate(records):
        w = vals[i : i + window]          # records are newest-first
        if len(w) < 8:
            out.append({**rec, "zscore": None})
            continue
        mu  = statistics.mean(w)
        sig = statistics.stdev(w)
        z   = (rec["noncommercial_net"] - mu) / sig if sig else 0.0
        out.append({**rec, "zscore": round(z, 2)})
    return out

eur_data   = fetch_cot("eur")
eur_scored = rolling_zscore(eur_data)
# Latest reading
print(eur_scored[0])
# {'date': '2026-04-15', 'noncommercial_net': 112340, 'zscore': 2.1, ...}

קריאות מעל 2.0+ או מתחת ל-2.0- ממקמות את המטבע ב-2.3% העליונים או התחתונים של התפלגותו ההיסטורית. זהו הסף שמאמר זה מתייחס אליו כ"קיצוני" — חריג סטטיסטית מספיק כדי לסמן אותו כסיכון מיקום מבני.

מיקום נטו כשבר מהריבית הפתוחה

ציון ה-Z אומר לך היכן המיקום נמצא בהתפלגותו ההיסטורית. יחס הנטו לריבית הפתוחה אומר לך עד כמה ההימור הכיווני מרוכז בתוך עומק השוק הנוכחי. כאשר מיקום נטו לא-מסחרי מייצג יותר מ-25–30% מסך הריבית הפתוחה, השוק מוטה מבנית והפוטנציאל לשיבוש על רקע כל זרז מנוגד הוא גבוה.

קריאות קיצוניות נוכחיות על פני מטבעות עיקריים

סריקת ציון ה-Z על פני מטבעות היא כנראה הטקס השבועי החזק ביותר שכל סוחר מאקרו FX יכול לבצע. על ידי דירוג כל שמונת החוזים העתידיים על מטבעות בו-זמנית, היא חושפת מיד אילו עסקאות מתחממות משני הצדדים ואילו נשארות באזור ניטרלי שבו לתזת המאקרו יש מקום להתפתח.

תמונת המצב לעיל מציגה פיצול ברור בסנטימנט הספקולטיבי. ספר השורטים על JPY הוא המיקום הצפוף ביותר במערכת, כאשר ציון ה-Z שלו של 2.4- יושב הרבה מתחת לסף הסכנה של 2.0-. לונגים על EUR הגיעו ל-2.1+ ומתקרבים לנקודה שבה הלונג הקונצנזוס הופך לסיכון בפני עצמו. CHF נמצא ב-1.7-, מתקרב לטריטוריית שורט קיצונית. CAD ו-AUD יושבים בנוחות באזור הניטרלי.

עבור סוחרי זוגות, הסטייה בין JPY/EUR היא הקריאה המעשית ביותר: אם אתם מאמינים בחזרה לממוצע, העסקה עם רוח הגב המבנית הגדולה ביותר מפירוק המיקום היא שורט EUR/JPY — מטבע עם חשיפת לונג EUR קיצונית בצד אחד וחשיפת שורט JPY קיצונית בצד השני.

האנטומיה של היפוך מונע COT

מיקום קיצוני אינו מתהפך באופן ספונטני. הוא מתפרק ברצף של שלבים מובחנים, שלכל אחד מהם חתימות COT מדידות. הבנת מבנה השלבים עוזרת להבחין בין התייצבות זמנית לבין שינוי משטר אמיתי.

שלב 1 — צבירה (ציון Z 0 עד ±1.5)

תזת המאקרו צוברת תאוצה. מדי שבוע, הקהילה הספקולטיבית מוסיפה לעמדה בביטחון. חוזים נטו גדלים בהתמדה, הריבית הפתוחה עולה, והמגמה במחיר משקפת ומחזקת את הקונצנזוס.

שלב 2 — צפיפות (ציון Z ±1.5 עד ±2.0)

המיקום גדל מהר יותר ממה שהמחיר מצדיק. מצטרפים חדשים מצטרפים מכיוון שהעסקה עבדה, לא מכיוון שהתזה המקורית התחזקה. דלתות שבועיות במיקום נטו מאיצות. שלב זה הוא לעיתים קרובות הרווחי ביותר עבור המחזיקים — המומנטום מעורב במלואו — אך זהו גם השלב שבו סיכון היציאה מתחיל להיבנות באופן בלתי נראה ברקע.

שלב 3 — תשישות (ציון Z מעבר ל-±2.0)

קצב בניית העמדות החדשות מאט. הריבית הפתוחה עשויה להתייצב או להתחיל לרדת בעוד שהמחיר ממשיך לנוע בכיוון המגמה. סטייה זו בין האטה במיקום והמשך עליית או ירידת מחירים היא אות האזהרה המוקדם החשוב ביותר שדוח ה-COT מציע.

שלב 4 — פירוק ראשוני (ציון Z נסוג מקיצוניות)

זרז מגיע — הצהרה בלתי צפויה של בנק מרכזי, הפתעה בנתוני מאקרו, הלם גיאופוליטי — והמשתתפים הממונפים ביותר מתחילים להפחית חשיפה. ציון ה-Z נסוג מקיצוניותו, אך לאט בהתחלה. המחיר מתהפך בחדות מכיוון שהיציאות מקובצות: כל מי שנכנס בשלב 2 מנסה לצאת בו-זמנית דרך אותה דלת.

שלב 5 — סחיטה (ציון Z חוזר לכיוון ניטרלי)

הפירוק הופך למחזק את עצמו. כיסוי שורטים או חיסול לונגים מאיצים. עמדות שהיו רווחיות לאורך רוב המגמה הופכות במהירות ללא רווחיות במהלך הסחיטה. התנועה לעיתים קרובות חורגת מהשווי ההוגן לפני שהיא מתייצבת ליד משטר מיקום ניטרלי חדש.

התרשים לעיל ממחיש כיצד עמדות שורט נטו על JPY עקבו אחר USD/JPY לאורך מחזור היפוך מלא. במהלך 2023 ובתחילת 2024, מיקום שורט ספקולטיבי כבד בחוזים עתידיים על JPY תאם למגמת עלייה ב-USD/JPY. אך בכל פעם שהמיקום הגיע לקיצוניות סטטיסטית, זרז — לעיתים קרובות אות מדיניות של הבנק המרכזי של יפן — דחס את ספר השורטים במהירות, ויצר התחזקות חדה של JPY.

נתוני ה-COT לא חזו את הזרז. הם אמרו לך שהמיקום היה כל כך צפוף שכל זרז מנוגד, ללא קשר לגודלו, יוגבר על ידי דינמיקת היציאה של הקהל. גש להיסטוריית מיקום JPY דרך נקודת הקצה של FXMacroData COT כדי לעקוב אם הקיצוניות הנוכחית נבנית או נחלשת.

אות הסטייה בין מחיר למיקום

אזהרת ההיפוך האמינה ביותר המבוססת על COT אינה רמת המיקום המוחלטת — אלא הסטייה בין כיוון המחיר לכיוון המיקום. כאשר המחיר ממשיך בכיוון אחד אך המיקום הספקולטיבי בחוזים העתידיים הבסיסיים מתחיל לנוע בכיוון ההפוך, משתתפים גדולים כבר מפחיתים חשיפה בעוד שסוחרי מומנטום קמעונאיים דוחפים את המחיר גבוה יותר או נמוך יותר.

שילוב אותות COT עם יסודות מאקרו

מיקום COT הוא אות מבנה שוק, לא אות יסודי. כוחו מוכפל כאשר הוא מתיישר עם — או סותר — סביבת המאקרו הבסיסית. ההגדרות בעלות הביטחון הגבוה ביותר נוצרות בשתי תצורות ספציפיות.

תצורה 1 — רוח גב מאקרו, מיקום צפוף

המקרה היסודי לעמדה חזק ומובן היטב — אך הוא כבר משתקף במלואו במיקום ספקולטיבי קיצוני. במקרה זה, הפוטנציאל לעלייה משיפור מאקרו נוסף מוגבל מכיוון שהקהילה כבר התמקמה לכך. האסימטריה היא כלפי מטה: אם נתוני המאקרו מאכזבים אפילו במעט, ההיפוך יהיה אלים מכיוון שלקהל אין לאן ללכת.

זה מתאר את הגדרת ה-EUR הנוכחית. נרטיב של היחלשות הדולר האמריקאי ונתונים כלכליים מתחזקים באיחוד האירופי תומכים בלונגים על EUR מבחינה יסודית — אך ציון Z של 2.1+ אומר לך שחלק גדול מתזה זו כבר מתומחר במיקום החוזים העתידיים. העסקה אינה שגויה, אך יחס הסיכון/תשואה הצטמצם משמעותית. משוך נתוני מאקרו של EUR לצד COT כדי לוודא:

import requests

BASE = "https://fxmacrodata.com/api/v1"
KEY  = "YOUR_API_KEY"

# EUR macro fundamentals
eur_gdp    = requests.get(f"{BASE}/announcements/eur/gdp",         params={"api_key": KEY, "limit": 6}).json()
eur_cpi    = requests.get(f"{BASE}/announcements/eur/inflation",   params={"api_key": KEY, "limit": 6}).json()
eur_policy = requests.get(f"{BASE}/announcements/eur/policy_rate", params={"api_key": KEY, "limit": 4}).json()

# COT positioning
eur_cot    = requests.get(f"{BASE}/cot/eur", params={"api_key": KEY, "limit": 8}).json()

print("Latest EUR policy rate:", eur_policy["data"][0])
print("Latest EUR CPI:", eur_cpi["data"][0])
print("Latest EUR net COT:", eur_cot["data"][0]["noncommercial_net"])

תצורה 2 — רוח נגדית מאקרו, מיקום צפוף (התראה הגבוהה ביותר)

זוהי הגדרת ההתראה הגבוהה ביותר. נתוני מאקרו מתחילים לסתור את תזת הקונצנזוס באותו זמן שהמיקום נמצא בקיצוניות. עסקה צפופה המאבדת את ההצדקה היסודית שלה היא מתכון לפירוק מהיר ובלתי מסודר. ה-CHF ב-1.7- בשילוב עם כל הפתעה במדיניות ה-SNB שתאתגר את תזת הדובים של CHF תהווה דוגמה קלאסית לתצורה זו.

מהירות חשובה לא פחות מהרמה. כאשר שינויי מיקום נטו עמדו על 8,000+ עד 12,000+ חוזים בשבוע בשיא צבירת ה-EUR ומאז הואטו ל-1,000+ עד 2,000+, האטה זו היא חתימה אובייקטיבית של שלב 3. הקהל עדיין מוסיף אך הביטחון מתערער. זהו השלב שבו סיכון ההיפוך עובר מתאורטי לבלתי נמנע.

מסגרת מסחר מעשית להיפוך

תרגום אותות COT לעסקאות בפועל דורש מבנה. קיצוניות במיקום יכולה להימשך שבועות או חודשים, ואין ערובה שקריאה קיצונית תתהפך במהירות. המסגרת הבאה משתמשת ב-COT כמסנן מקדים, לא ככלי תזמון מדויק.

בניית סורק COT שבועי

היישום המעשי של מסגרת זו הוא סורק שבועי שמחשב אוטומטית ציוני Z ודלתות עבור כל שמונת החוזים העתידיים על מטבעות ומפיק טבלת התראות מדורגת. הנה סקריפט מוכן לייצור המשתמש בנקודת הקצה של FXMacroData COT:

import requests, statistics
from datetime import date, timedelta

BASE       = "https://fxmacrodata.com/api/v1"
KEY        = "YOUR_API_KEY"
CURRENCIES = ["aud", "cad", "chf", "eur", "gbp", "jpy", "nzd", "usd"]
WINDOW     = 52   # weeks for z-score baseline
EXTREME_Z  = 2.0  # alert threshold

def fetch_cot(ccy: str) -> list[dict]:
    r = requests.get(f"{BASE}/cot/{ccy}", params={"api_key": KEY, "start": "2019-01-01"})
    r.raise_for_status()
    return r.json()["data"]   # newest first

def analyse(records: list[dict]) -> dict:
    vals = [r["noncommercial_net"] for r in records]
    net  = vals[0]
    # 52-week z-score
    window = vals[:WINDOW]
    mu  = statistics.mean(window)
    sig = statistics.stdev(window) if len(window) > 1 else 1
    z   = round((net - mu) / sig, 2) if sig else 0.0
    # 4-week velocity (average weekly change)
    delta_4w = round((vals[0] - vals[4]) / 4, 0) if len(vals) > 4 else 0
    # Net as % of open interest
    oi      = records[0].get("open_interest", 1) or 1
    net_oi  = round(net / oi * 100, 1)
    return {
        "net": net, "zscore": z,
        "delta_4w": delta_4w, "net_oi_pct": net_oi,
        "date": records[0]["date"]
    }

print(f"\n{'CCY':5} {'Net':>9} {'Z-Score':>9} {'4W Delta':>10} {'Net/OI%':>9}  Status")
print("-" * 60)

for ccy in CURRENCIES:
    data  = fetch_cot(ccy)
    stats = analyse(data)
    flag  = " ⚠ EXTREME" if abs(stats["zscore"]) >= EXTREME_Z else ""
    print(f"{ccy.upper():5} {stats['net']:>9,.0f} {stats['zscore']:>9.2f} "
          f"{stats['delta_4w']:>10,.0f} {stats['net_oi_pct']:>9.1f}%{flag}")

הפעלת זה בכל יום שישי בערב — זמן קצר לאחר פרסום ה-COT בשעה 15:30 שעון מזרח — נותנת לך קריאה מלאה של הנוף הספקולטיבי לפני סוף השבוע ולפני פתיחת השוק האסיאתי ביום ראשון שלאחר מכן.