COT პოზიციონირება და გადატვირთული ვაჭრობა: შებრუნებების გამოვლენა

რვა ძირითადი სავალუტო ფიუჩერსული ბაზრიდან ორში ამჟამად სპეკულაციური პოზიციონირების სტატისტიკური ექსტრემები ფიქსირდება. JPY-ის წმინდა მოკლე კონტრაქტები −148,000-ზე დაბლა დაეცა — რაც Z-ქულა −2.4-ია ბოლო 52 კვირის განაწილებასთან შედარებით — ხოლო EUR-ის წმინდა გრძელი პოზიციები +112,000-მდე გაიზარდა, რაც Z-ქულა +2.1-ია. როდესაც არაკომერციული ტრეიდერები ასე მასიურად იკრიბებიან ერთი მიმართულებით, ვაჭრობა წყვეტს მაკრო თეზისზე დაფუძნებას და გამოსვლის რისკზე გადადის.

ეს სტატია ეხება იმას, თუ რა მოხდება შემდეგ. CFTC Commitments of Traders-ის ყოველკვირეული მონაცემების გამოყენებით, ჩვენ განვიხილავთ, თუ როგორ უნდა დადგინდეს, როდის გადადის კონსენსუსური ვაჭრობა "კარგად პოზიციონირებულიდან" "საშიშად გადატვირთულში", როგორ გამოიყურება პოზიციების დახურვის ადრეული გამაფრთხილებელი სიგნალები და როგორ უნდა ავაგოთ შებრუნების ჩარჩო COT პოზიციონირების ექსტრემების გარშემო.

გადატვირთული ვაჭრობის განსაზღვრა

ვაჭრობა გადატვირთული ხდება, როდესაც არაკომერციული სპეკულაციური საზოგადოება — ჰეჯ-ფონდები, აქტივების მენეჯერები და სასაქონლო ვაჭრობის მრჩევლები — აგროვებს მიმართულებით პოზიციას, რომელიც სტატისტიკურად ექსტრემალურია საკუთარ ისტორიასთან შედარებით. გადამწყვეტი სიტყვაა შედარებითი. +100,000 EUR კონტრაქტის წმინდა გრძელი პოზიცია თავისთავად არ არის ექსტრემალური; ის ექსტრემალურია მხოლოდ იმ შემთხვევაში, თუ ის გაცილებით მაღლა დგას ვალუტის ტიპიური პოზიციონირების დიაპაზონზე.

ორი მეტრიკა აზუსტებს ამ განსაზღვრებას ქმედით ზღვრებად.

წმინდა არაკომერციული პოზიციონირების Z-ქულა

COT მაჩვენებლების ნორმალიზების ყველაზე მყარი გზა ვალუტებსა და დროის პერიოდებში არის მოძრავი Z-ქულა. ის პასუხობს ზუსტ კითხვას: რამდენი სტანდარტული გადახრით არის მიმდინარე პოზიციონირება მის ბოლო საშუალოზე მაღლა ან დაბლა? 52-კვირიანი ფანჯრის გამოყენება საორიენტაციო ნიშნულს აკავშირებს მიმდინარე მაკრო რეჟიმთან და არა მრავალათწლეულოვან ისტორიასთან, რომელიც შესაძლოა აღარ ასახავდეს მიმდინარე ბაზრის სტრუქტურას.

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, ...}

მაჩვენებლები +2.0-ზე ზემოთ ან −2.0-ზე ქვემოთ ვალუტას ათავსებს მისი ისტორიული განაწილების ზედა ან ქვედა 2.3%-ში. ეს არის ზღვარი, რომელსაც ეს სტატია „ექსტრემალურად“ მიიჩნევს — სტატისტიკურად იმდენად უჩვეულო, რომ სტრუქტურული პოზიციონირების რისკად აღინიშნოს.

წმინდა პოზიცია, როგორც ღია ინტერესის ნაწილი

Z-ქულა გიჩვენებთ, სად არის პოზიციონირება მის ისტორიულ განაწილებაში. წმინდა-ღია-ინტერესის კოეფიციენტი გიჩვენებთ, რამდენად კონცენტრირებულია მიმართულებითი ფსონი მიმდინარე ბაზრის სიღრმეში. როდესაც არაკომერციული წმინდა პოზიციონირება მთლიანი ღია ინტერესის 25–30%-ზე მეტს შეადგენს, ბაზარი სტრუქტურულად დახრილია და ნებისმიერი საპირისპირო კატალიზატორის გამო დისლოკაციის პოტენციალი მაღალია.

მიმდინარე ექსტრემალური მაჩვენებლები ძირითად ვალუტებზე

ვალუტათაშორისი Z-ქულის სკანირება, ალბათ, ყველაზე მძლავრი ყოველკვირეული რიტუალია, რომლის შესრულებაც ნებისმიერ მაკრო FX ტრეიდერს შეუძლია. რვა სავალუტო ფიუჩერსის ერთდროულად რანჟირებით, ის დაუყოვნებლივ ავლენს, რომელი ვაჭრობაა აქტიური ორივე მხარეს და რომელი რჩება ნეიტრალურ ზონაში, სადაც მაკრო თეზისს განვითარების ადგილი აქვს.

ზემოთ მოცემული სნეპშოტი აჩვენებს სპეკულაციური განწყობის მკაფიო ბიფურკაციას. JPY-ის მოკლე პოზიციების წიგნი ყველაზე გადატვირთული პოზიციაა კომპლექსში, მისი Z-ქულა −2.4 მნიშვნელოვნად დაბალია −2.0 საშიშროების ზღვარზე. EUR-ის გრძელი პოზიციები +2.1-ს მიაღწია და უახლოვდება იმ წერტილს, სადაც კონსენსუსური გრძელი პოზიცია თავისთავად რისკი ხდება. CHF არის −1.7-ზე, უახლოვდება უკიდურეს მოკლე ტერიტორიას. CAD და AUD კომფორტულად არიან ნეიტრალურ ზონაში.

წყვილებით მოვაჭრეებისთვის, JPY/EUR დივერგენცია ყველაზე ქმედითი მაჩვენებელია: თუ გჯერათ საშუალოზე დაბრუნების, ვაჭრობა, რომელსაც პოზიციების დახურვიდან ყველაზე მეტი სტრუქტურული ხელშემწყობი ფაქტორი აქვს, არის მოკლე EUR/JPY — ვალუტა, რომელსაც ერთი მხრივ აქვს უკიდურესად გრძელი EUR ექსპოზიცია და მეორე მხრივ უკიდურესად მოკლე JPY ექსპოზიცია.

COT-ით განპირობებული შებრუნების ანატომია

ექსტრემალური პოზიციონირება სპონტანურად არ ბრუნდება. ის იხსნება განსხვავებული ფაზების თანმიმდევრობით, თითოეულს აქვს გაზომვადი COT ხელმოწერები. ფაზის სტრუქტურის გაგება გეხმარებათ განასხვავოთ დროებითი კონსოლიდაცია ნამდვილი რეჟიმის ცვლილებისგან.

ფაზა 1 — დაგროვება (Z-ქულა 0-დან ±1.5-მდე)

მაკრო თეზისი ძალას იკრებს. ყოველ კვირას, სპეკულაციური საზოგადოება რწმენით ამატებს პოზიციას. წმინდა კონტრაქტები სტაბილურად იზრდება, ღია ინტერესი მატულობს, და ფასის ტენდენცია ასახავს და აძლიერებს კონსენსუსს.

ფაზა 2 — გადატვირთვა (Z-ქულა ±1.5-დან ±2.0-მდე)

პოზიცია იზრდება უფრო სწრაფად, ვიდრე ამას ფასი ამართლებს. ახალი მონაწილეები უერთდებიან, რადგან ვაჭრობამ იმუშავა და არა იმიტომ, რომ თავდაპირველი თეზისი გაძლიერდა. წმინდა პოზიციონირების ყოველკვირეული დელტები აჩქარდება. ეს ფაზა ხშირად ყველაზე მომგებიანია მფლობელებისთვის — იმპულსი სრულად არის ჩართული — მაგრამ ეს ასევე ის პერიოდია, როდესაც გამოსვლის რისკი უხილავად იწყებს ზრდას ფონზე.

ფაზა 3 — გამოფიტვა (Z-ქულა ±2.0-ის მიღმა)

ახალი პოზიციების შექმნის ტემპი ნელდება. ღია ინტერესი შეიძლება დასტაბილურდეს ან დაიწყოს კლება, მაშინ როდესაც ფასი აგრძელებს მოძრაობას ტრენდის მიმართულებით. ეს დივერგენცია შენელებულ პოზიციონირებასა და ფასის გაგრძელებულ ზრდას ან კლებას შორის არის ყველაზე მნიშვნელოვანი ადრეული გამაფრთხილებელი სიგნალი, რომელსაც COT ანგარიში გვთავაზობს.

ფაზა 4 — პირველი დახურვა (Z-ქულა უკან იხევს ექსტრემიდან)

კატალიზატორი ჩნდება — მოულოდნელი ცენტრალური ბანკის განცხადება, მაკრო მონაცემების სიურპრიზი, გეოპოლიტიკური შოკი — და ყველაზე ლევერიჯირებული მონაწილეები იწყებენ ექსპოზიციის შემცირებას. Z-ქულა უკან იხევს ექსტრემიდან, მაგრამ თავიდან ნელა. ფასი მკვეთრად ბრუნდება, რადგან გასვლები დაჯგუფებულია: ყველა, ვინც მე-2 ფაზაში შევიდა, ცდილობს ერთდროულად დატოვოს ბაზარი ერთი და იგივე კარიდან.

ფაზა 5 — შეკუმშვა (Z-ქულა უბრუნდება ნეიტრალურს)

პოზიციების დახურვა თვითგამაძლიერებელი ხდება. მოკლე პოზიციების დახურვა ან გრძელი პოზიციების ლიკვიდაცია ჩქარდება. პოზიციები, რომლებიც მომგებიანი იყო ტრენდის უმეტესი ნაწილის განმავლობაში, სწრაფად წამგებიანი ხდება შეკუმშვის დროს. მოძრაობა ხშირად გადააჭარბებს სამართლიან ღირებულებას, სანამ დასტაბილურდება ახალ ნეიტრალურ პოზიციონირების რეჟიმთან ახლოს.

ზემოთ მოცემული დიაგრამა გვიჩვენებს, თუ როგორ მიჰყვებოდა JPY-ის წმინდა მოკლე პოზიციები USD/JPY-ს სრული შებრუნების ციკლის განმავლობაში. 2023 წლის განმავლობაში და 2024 წლის დასაწყისში, JPY ფიუჩერსებში მძიმე სპეკულაციური მოკლე პოზიციონირება შეესაბამებოდა USD/JPY-ის ზრდის ტენდენციას. მაგრამ ყოველ ჯერზე, როდესაც პოზიციონირება სტატისტიკურ ექსტრემს აღწევდა, კატალიზატორი — ხშირად იაპონიის ბანკის პოლიტიკის სიგნალი — სწრაფად შეკუმშავდა მოკლე პოზიციების წიგნს, რაც იწვევდა JPY-ის მკვეთრ გამყარებას.

COT მონაცემებმა არ იწინასწარმეტყველა კატალიზატორი. მან გითხრათ, რომ პოზიცია იმდენად გადატვირთული იყო, რომ ნებისმიერი საპირისპირო კატალიზატორი, ზომის მიუხედავად, გაძლიერდებოდა ბრბოს გასვლის დინამიკით. JPY-ის პოზიციონირების ისტორიაზე წვდომა შეგიძლიათ FXMacroData COT endpoint-ის მეშვეობით, რათა თვალყური ადევნოთ, მიმდინარე ექსტრემი იზრდება თუ მცირდება.

ფასი-პოზიციონირების დივერგენციის სიგნალი

COT-ზე დაფუძნებული შებრუნების ყველაზე საიმედო გაფრთხილება არ არის პოზიციონირების აბსოლუტური დონე — ეს არის დივერგენცია ფასის მიმართულებასა და პოზიციონირების მიმართულებას შორის. როდესაც ფასი ერთი მიმართულებით აგრძელებს მოძრაობას, მაგრამ ძირითადი ფიუჩერსების სპეკულაციური პოზიციონირება იწყებს საპირისპირო მიმართულებით მოძრაობას, მსხვილი მონაწილეები უკვე ამცირებენ ექსპოზიციას, ხოლო საცალო იმპულსური ტრეიდერები ფასს მაღლა ან დაბლა უბიძგებენ.

COT სიგნალების მაკრო ფუნდამენტებთან კომბინირება

COT პოზიციონირება არის ბაზრის სტრუქტურის სიგნალი და არა ფუნდამენტური. მისი ძალა მრავლდება, როდესაც ის ემთხვევა — ან ეწინააღმდეგება — ძირითად მაკრო გარემოს. ყველაზე მაღალი რწმენის კონფიგურაციები წარმოიქმნება ორ კონკრეტულ შემთხვევაში.

კონფიგურაცია 1 — მაკრო ხელშემწყობი ფაქტორი, გადატვირთული პოზიცია

პოზიციის ფუნდამენტური არგუმენტი ძლიერი და კარგად გასაგებია — მაგრამ ის უკვე სრულად არის ასახული ექსტრემალურ სპეკულაციურ პოზიციონირებაში. ამ შემთხვევაში, შემდგომი მაკრო გაუმჯობესების პოტენციალი შეზღუდულია, რადგან საზოგადოებამ უკვე დაიკავა პოზიცია ამისთვის. ასიმეტრია არის დაღმავალი მიმართულებით: თუ მაკრო მონაცემები ოდნავაც კი იმედგაცრუებას გამოიწვევს, შებრუნება ძალადობრივი იქნება, რადგან ბრბოს წასასვლელი არსად აქვს.

ეს აღწერს EUR-ის მიმდინარე კონფიგურაციას. აშშ დოლარის შესუსტების ნარატივი და ევროკავშირის ეკონომიკური მონაცემების გამყარება ფუნდამენტურად მხარს უჭერს EUR-ის გრძელ პოზიციებს — მაგრამ +2.1 Z-ქულა გეუბნებათ, რომ ამ თეზისის დიდი ნაწილი უკვე გათვალისწინებულია ფიუჩერსების პოზიციონირებაში. ვაჭრობა არ არის არასწორი, მაგრამ რისკი/ჯილდო მნიშვნელოვნად შემცირდა. გადაამოწმეთ EUR-ის მაკრო მონაცემები COT-თან ერთად:

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"])

კონფიგურაცია 2 — მაკრო საპირისპირო ფაქტორი, გადატვირთული პოზიცია (უმაღლესი განგაში)

ეს არის უმაღლესი განგაშის კონფიგურაცია. მაკრო მონაცემები იწყებს კონსენსუსის თეზისთან წინააღმდეგობაში მოსვლას იმავდროულად, როდესაც პოზიციონირება ექსტრემალურ დონეზეა. გადატვირთული ვაჭრობა, რომელიც კარგავს თავის ფუნდამენტურ გამართლებას, არის სწრაფი, არეული დახურვის რეცეპტი. CHF −1.7-ზე ნებისმიერ SNB პოლიტიკის სიურპრიზთან ერთად, რომელიც ეჭვქვეშ აყენებს CHF-ის დაღმავალ თეზისს, იქნება ამ კონფიგურაციის სახელმძღვანელო მაგალითი.

სიჩქარე ისეთივე მნიშვნელოვანია, როგორც დონე. როდესაც წმინდა პოზიციების ცვლილებები კვირაში +8,000-დან +12,000 კონტრაქტამდე იყო EUR-ის დაგროვების სიმაღლეზე და მას შემდეგ შენელდა +1,000-დან +2,000-მდე, ეს შენელება არის ობიექტური ფაზა 3-ის ხელმოწერა. ბრბო კვლავ ამატებს, მაგრამ რწმენა მცირდება. ეს არის ის დრო, როდესაც შებრუნების რისკი თეორიულიდან გარდაუვალში გადადის.

პრაქტიკული შებრუნების სავაჭრო ჩარჩო

COT სიგნალების რეალურ ვაჭრობაში გადატანა სტრუქტურას მოითხოვს. პოზიციონირების ექსტრემები შეიძლება გაგრძელდეს კვირების ან თვეების განმავლობაში, და არ არსებობს გარანტია, რომ ექსტრემალური მაჩვენებელი სწრაფად შებრუნდება. შემდეგი ჩარჩო იყენებს COT-ს, როგორც წინაპირობის ფილტრს და არა ზუსტი დროის ინსტრუმენტს.

ყოველკვირეული COT სკანერის აგება

ამ ჩარჩოს პრაქტიკული განხორციელება არის ყოველკვირეული სკანერი, რომელიც ავტომატურად ითვლის Z-ქულებს და დელტებს ყველა რვა სავალუტო ფიუჩერსისთვის და გამოაქვს რანჟირებული გაფრთხილების ცხრილი. აქ არის მზა სკრიპტი FXMacroData COT endpoint-ის გამოყენებით:

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}")

ამ სკრიპტის გაშვება ყოველ პარასკევს საღამოს — COT-ის აღმოსავლეთის დროით 15:30 საათზე გამოქვეყნებიდან მალევე — გაძლევთ სპეკულაციური ლანდშაფტის სრულ სურათს შაბათ-კვირის და მომდევნო კვირას აზიის ბაზრის გახსნამდე.