واحد C |مدل سازی سیستم

هدف این ارقام ارزیابی استحکام و ثبات یک سیستم یا استراتژی معاملاتی با محاسبه آمار بر اساس ارقام کمتر پیچیده است. ثبات کلید بهبود عملکرد از طریق استراتژی های مدیریت پول است. استفاده مناسب از اهرم تنها در صورتی می تواند انجام شود که لبه های معاملاتی به خوبی اندازه گیری شوند.

درصد پیروزی

درصد معاملات سودآور، نرخ برد، آمار دیگری است که بسیاری از معامله گران برای سنجش موفقیت عملکرد از آن استفاده می کنند. این رقم که گاهی اوقات به عنوان نرخ موفقیت یا سودآوری نامیده می شود، با قابلیت اطمینان روش معاملاتی ارتباط دارد. این به سادگی تعداد معاملات برنده است که به صورت درصدی از تعداد کل معاملات بیان می شود. به صورت زیر محاسبه می شود:

نرخ برد = تعداد معاملات سود X 100 / تعداد کل معاملات

در یک روش ورود تصادفی بدون حاشیه - به عنوان مثال، رویکرد "پرتاب سکه" - نرخ برد مستقیماً با نسبت ریسک به پاداش مطابقت دارد. سیستمی که هر روز در ساعت 10:30 صبح، هر روز در ساعت 10:30 صبح، وارد معامله ای مبتنی بر پرتاب سکه برای کوتاه و دم سکه می شود، با توقف ضرر 50 پیپ و سود برداشت 20 پیپ، بیش از استاپ ضرر به Take Profit ضربه می زند.. این بدان معنا نیست که سیستم پول درآورد، زیرا حتی با نرخ برد 70 درصدی، به دلیل تأثیر اسپردها و لغزش، به یک سیستم سربه سر یا باخت منجر می شود. اما در هر صورت، نسبت ریسک به پاداش 5:2 یک احتمال پایه مثبت را ارائه می دهد.

نرخ از دست دادن

این درصد معاملات بی سود در گزارش معاملات است. مهم است بدانید که این عدد به طور خودکار از موارد فوق با کم کردن آن یک از 100٪ به دست نمی آید. در معاملات، نه تنها معاملات برنده و باخت وجود دارد، بلکه معاملات سر به سر نیز وجود دارد.

نرخ ضرر = تعداد معاملات زیان X 100 / تعداد کل معاملات

نرخ سربه سر

این یک معیار آماری خیلی رایج نیست اما با این وجود بسیار مفید است. این درصد معاملات سربه سر در یک گزارش معاملاتی است، نسبت معاملاتی که نه برنده بودند و نه معاملات بازنده.

نرخ سربه سر = تعداد معاملات سربه سر X 100 / تعداد کل معاملات

اگر بخواهیم دو سیستم را با نرخ پیروزی برابر 55 ٪ مقایسه کنیم ، اگر یکی از سیستم ها دارای نرخ شکست حتی 0 ٪ و دیگری از 15 ٪ باشد ، این رقم از اهمیت بالایی برخوردار است. ما می توانیم از نرخ 15 ٪ شکست و 55 ٪ برنده نتیجه بگیریم که نرخ ضرر فقط 20 ٪ است ، در حالی که برای یک سیستم بدون تجارت حتی شکست ، نرخ ضرر 45 ٪ است. نرخ پیروزی 55 درصدی برای میزان ضرر 20 ٪ هنوز نسبت بسیار خوبی است ، حتی اگر سیستم چنین میزان پیروزی متوسطی داشته باشد.

نسبت ریسک به پاداش

نسبت ریسک به پاداش حداکثر ریسک در یک تجارت خاص است که براساس حداکثر انتظار سود همان تجارت تقسیم می شود. این یک ارزش است که برای برآورد مجموعه های تجاری خاص استفاده می شود و نباید به عنوان نسبت بازپرداخت مورد استفاده قرار گیرد.

نسبت پاداش ریسک = حداکثر ریسک گرفته شده در یک تجارت خاص / حداکثر انتظار سود همان تجارت

ریسک به پاداش یک ملک پویا با توجه به گشت و گذارهای مطلوب و نامطلوب یک تجارت است (به آمار تجارت مراجعه کنید). بیایید تصور کنیم که شما با یک هدف 500 PIP و 100 STOP PIP تجارت می کنید. در نقطه ای که به 480 پیپ می رسد ، اگر بخشی از سود را محافظت نکنید ، خطر شما هنوز هم یکسان است. اگر این کار را انجام دهید ، ریسک به پاداش AccordInlgy تغییر خواهد کرد. به عنوان مثال ، حرکت توقف به قیمت ورود ، خطر تجارت را از بین می برد.

Sunil Mangwani یک وبینار آموزنده با عنوان: "درک قوانین ساده مدیریت پول-قسمت اول: نسبت ریسک به پاداش"-به موضوع فصل LC بعدی می رود ، با این وجود به شما کمک می کند تا چرا این نسبت را درک کنیدبرای کنترل ریسک هنگام تجزیه و تحلیل در یک گزارش آماری گسترده تر ، مهم است.

نسبت برنده/ضرر

این رقم صرفاً تعداد کل معاملات برنده در مقایسه با تعداد کل معاملات از دست دادن است. اگر در 100 تجارت ، 50 برنده و 50 بازنده داشته باشید ، نسبت پیروزی/ضرر شما 50:50 است. از طرف دیگر ، اگر شما 70 برنده و 30 بازنده دارید ، این نسبت 7: 3 و غیره است. برخلاف نسبت ریسک به پاداش ، در نظر نمی گیرد که چقدر برنده یا گم شده است ، بلکه فقط اگر برنده یا بازنده باشندوادفرمول:

نسبت برنده / ضرر = تعداد معاملات برنده / تعداد از دست دادن معاملات

یادآوری این نکته حائز اهمیت است که این نسبت تنها عاملی در تعیین سیستم و چقدر سودآور سیستم نیست. همچنین مهم است که محاسبه شود که چه مقدار برنده می شود وقتی که در مقابل چقدر اشتباه می شود.

انحراف معیار

یکی از معنی دارترین راه ها برای ارزیابی سودآوری، از طریق رقم انحراف معیار است. انحراف استاندارد میزان پراکندگی نتایج معاملات از میانگین نتایج را اندازه گیری می کند. پراکندگی به عنوان تفاوت بین مقدار واقعی و مقدار متوسط تعریف می شود. هر چه اختلاف بین نتیجه واقعی معامله و نتیجه متوسط بیشتر باشد، انحراف استاندارد و نوسانات منحنی ارزش سهام بیشتر خواهد بود. هر چه نتایج به میانگین نزدیکتر باشد، انحراف معیار یا نوسانات منحنی ارزش کمتر است.

برای محاسبه انحراف استاندارد، جذر واریانس، میانگین مجذور انحرافات را از مقدار میانگین بگیرید. یک انحراف استاندارد به دور از میانگین (میانگین سود هر معامله)، به علاوه یا منفی، 67. 5 درصد از نتایج معاملات را شامل می شود. دو انحراف استاندارد در دو طرف رقم میانگین سود تقریباً 95٪ از تمام نتایج احتمالی را در هنگام معامله یک سیستم خاص در بر می گیرد.

محدوده ST بالا = 2 x انحراف استاندارد + میانگین سود ST محدوده پایین = میانگین سود - 2 x انحراف استاندارد

این بدان معناست که در 95٪ مواقع، این سیستم سودهایی را در محدوده ذکر شده در بالا بازگردانده است. اگر بازده به طور گسترده ای با هر دو برنده و بازنده بزرگ پراکنده شود، عملکرد یک انحراف استاندارد بالا را نشان می دهد و بنابراین خطرناک تلقی می شود. برعکس، اگر بازده به طور محکم در اطراف میانگین پیچیده شود، عملکرد دارای انحراف استاندارد کمتری است و ریسک کمتری در نظر گرفته می شود.

تصویر زیر یک توزیع نرمال را نشان می دهد که در آن فرکانس وقوع نتایج مانند یک منحنی زنگ حول مقدار میانگین توزیع شده است. این بدان معنی است که چگالی نتایج نزدیک به مرکز دامنه نتایج بالاترین است.

سودآوری متوسط

میانگین سودآوری در هر معامله اساساً به میانگین مقداری که می توانید انتظار بردن یا باخت در هر معامله را داشته باشید اشاره دارد، اما محاسبه آن با نسبت پرداخت قبلی متفاوت است. بر این اساس، گریس چنگ، این فرمول است:

میانگین سودآوری در هر معامله = (نرخ برد x سود متوسط) - (نرخ ضرر x متوسط ضرر)

بیایید یک سناریوی فرضی از یک رکورد عملکرد را نشان دهیم که 30 ٪ نرخ برد و نسبت بازپرداخت 2: 1 را نشان می دهد. در این حالت ، مقدار حاصل منفی خواهد بود ، به این معنی که فایده فرض داشتن نسبت بازپرداخت 2: 1 نرخ ضرر 70 ٪ را جبران نمی کند. در سناریویی از بازپرداخت 1: 3 برای به دست آوردن سود متوسط مثبت مثبت و سودآور با گذشت زمان ، به نرخ پیروزی 80 ٪ نیاز دارید.

به دلیل نوسانات ارزش PIP ، این تعداد باید در مقادیر دلار به جای PIP ها بیان شود. اما آنچه در اینجا مهمتر است ، تعداد مثبت است.

نسبت سود به سود

این نسبت میزان سود شما را برای مقدار معینی از کاهش اندازه گیری می کند.

به عنوان مثال ، عملکردی که پس از 20 ٪ کاهش سود 20 ٪ را نشان می دهد ، باید بهتر از عملکردی باشد که پس از 60 ٪ کاهش به سود 20 ٪ برسد.

به منظور محاسبه سود سود به کاهش ، سود خالص باید برای یک دوره زمانی خاص با حداکثر کاهش تقسیم شود. بر این اساس به لارس Kestner ،

هرچه تعداد بالاتر باشد ، به این معنی که سود بیشتری برای مقدار معینی از کاهش وجود دارد ، سود بیشتری حاصل می شود. به این معنا ، اندازه گیری از ریسک به پاداش را ایجاد می کند. استراتژی های ریسک پذیر حداکثر Dradowns بزرگتر دارند و منجر به کاهش نسبت سود به سود می شوند. "

سود به نسبت پیش بینی = سود خالص کل / حداکثر کاهش

منبع: "استراتژی های کمی تجارت" توسط لارس Kestner ، McGraw-Hill ، 2003 ، PAG. 82

راه دیگر برای محاسبه این رقم نشان می دهد که سیستم پس از بالا بردن یک سهام جدید ، چقدر پول پس داد. این اندازه گیری به معامله گر کمک می کند تا تعیین کند که آیا یک روش خاص برای خلق و خوی تجارت خود مناسب است یا خیر.

این با کم کردن دو انحراف استاندارد از میانگین سود سود و سپس اضافه کردن دو انحراف استاندارد به میانگین رقم محاسبه محاسبه می شود. این شماره ها از یک شبیه سازی مونت کارلو گرفته شده است. نتیجه یک نسبت فرضی را بر اساس میزان سود سود عملکرد معاملات نشان می دهد.

دونالد دبلیو پندرگاست جونیور می گوید که به طور معمول سیستمی با نسبت سود به 8 به 1 یا بهتر یا بهتر بسیار قابل معامله در نظر گرفته می شود. وی در ادامه توضیح می دهد:

در حالی که در نگاه اول به نظر می رسد که ما یک سیستم قابل معامله معقول را کشف کرده ایم [.] ، اکنون باید این احتمال را در نظر بگیریم که نتایج دنیای واقعی می تواند به حداقل رقم سود نزدیکتر باشد. "

منبع: "ارزیابی سیستم تجارت" توسط دونالد دبلیو پندرگاست جونیور ، تجزیه و تحلیل فنی مجله سهام و کالاها ، مارس 2009 ، PAG. 14

توجه داشته باشید که این شکل نیز بخشی از شبیه سازی مونت کارلو است. این با در نظر گرفتن رقم حداقل سود و تقسیم آن بر حداکثر دلار مطلق، نسبت بسیار کمتری را به همراه دارد.

شبیه سازی مونت کارلو چیست؟برخی از ارقام آماری به ترتیب معاملات بستگی دارد. یکی از این موارد تعداد ضررهای متوالی و دیگری رقم Drawdown در چندین تنوع آن است. سایر ارقام نیز به ترتیب معاملات بستگی دارد، مگر اینکه همه معاملات دارای اندازه موقعیت یکسان باشند. یکی از راه های محاسبه اثرات سفارش تجارت، شبیه سازی مونت کارلو است. این تکنیک محاسباتی، که در شبیه سازی مدل های معاملاتی استفاده می شود، یک توزیع آماری نمونه برداری تصادفی از توالی های معاملاتی را ایجاد می کند. هنگام استفاده از تحلیل مونت کارلو برای شبیه سازی معاملات، توزیع تجارت، همانطور که توسط لیست معاملات نشان داده می شود، برای ایجاد یک دنباله تجارت نمونه برداری می شود. هر دنباله تجزیه و تحلیل می شود و نتایج برای تعیین احتمال هر نتیجه مرتب می شوند.

نسبت شارپ

نسبت شارپ که توسط ویلیام شارپ برنده جایزه نوبل توسعه یافته است، استانداردی در صنعت مدیریت پول است و برای ارزیابی کارایی ریسک به پاداش سرمایه گذاری ها استفاده می شود. نسبت شارپ با کم کردن نرخ بدون ریسک - مانند نرخ اوراق قرضه خزانه داری ایالات متحده - از نرخ بازده و تقسیم نتیجه بر انحراف استاندارد بازده سیستم محاسبه می شود. فرمول نسبت شارپ به صورت زیر است:

نسبت شارپ = (نرخ بازگشت نرخ بدون ریسک) / انحراف استاندارد

جان ال پرسون به طور مفصل توضیح داد:

میانگین بازده مازاد (بازده ایجاد شده توسط استراتژی منهای بازده بدون ریسک) را بر انحراف استاندارد بازده ها تقسیم می کنید و سپس میانگین بازده ماهانه را در چند ماه، مثلاً 12 ماه، با میانگین گیری محاسبه می کنید. بازدهی 12 ماههشما همچنین انحراف استاندارد بازده ماهانه را در همان دوره محاسبه می کنید. سپس اعداد را با ضرب متوسط بازده ماهانه در 12 و سپس ضرب انحراف استاندارد بازده ماهانه در جذر 12، سالانه می کنید.(. نرخ صورتحساب)، که بازده سالانه است. شما اکنون آنچه را که مازاد بازده در نظر می گیریم محاسبه می کنیم، که بازده سالانه ای است که توسط سرمایه گذاری شما بیش از نرخ بازده بدون ریسک موجود به دست می آید. این بازده اضافی است که با در نظر گرفتن ریسک دریافت می کنید.»

منبع: "فارکس فتح شده: سیستم ها و استراتژی های با احتمال بالا برای معامله گران فعال" توسط جان ال. شخص ، ویلی ، 2007 ، پاگ.-202-203

بنابراین نسبت شارپ متوسط درصد تغییر در سهام هر دوره در طول انحراف استاندارد از آن مقادیر است. نسبت های شارپ بالاتر نشان می دهد که می توان با نوسانات کمتر روزانه ، مقدار بیشتری از سود متوسط را بدست آورد.

نسبت آرام

شماره عملکرد دیگری که معامله گران جدید به ندرت به آن نگاه می کنند ، نسبت Calmar است. اگرچه تغییرات و پیچ و تاب های بی شماری به آن وجود دارد ، اما در ساده ترین شکل این تعداد ، نسبت نرخ بازده سالانه به حداکثر کاهش ، با استفاده از مقدار مطلق است. این شبیه به نسبت شارپ است ، با این تفاوت که مبتنی بر بدترین سناریو است ، نه بر نوسانات.

اگر یک رکورد عملکرد 50 ٪ نرخ بازده سالانه را با حداکثر 25 ٪ کاهش نشان دهد ، نسبت Calmar 2 خواهد بود.

نسبت CALMAR = بازده سالانه مرکب / حداکثر کاهش

با درج نسبت Calmar در زرادخانه ارزیابی خود ، شما بسیار بهتر آماده خواهید شد تا روش های معاملاتی خود را به درستی بررسی کنید و آنها را با کارآمدتر مقایسه کنید.

قصبها

R-Multiples ریسک اولیه ای است که برای هر تجارت انجام می شود. این به خودی خود یک چهره آماری نیست بلکه برای محاسبه امید است. به عنوان مثال ، اگر یورو/USD را با 1. 5000 خریداری کرده و ضرر توقف را در 1. 4900 تنظیم کنید. این بدان معناست که اگر تجارت منجر به ضرر شود ، از دست دادن 100 پیپ خواهد بود. به طور خلاصه ، شما 100 پیپ هستید. اما شما می توانید این جفت را به 1. 5300 بفروشید و 300 پیپ سود کسب کنید. این بدان معنی است که نتیجه نهایی در این تجارت +3R است. فرمول بدین ترتیب است:

r-multiple = (مبلغ سود / اولیه R)

هنگامی که شما یک سری سود و ضرر و زیان را به عنوان نسبت های ریسک به پاداش بیان می کنید ، آنچه شما واقعاً دارید همان چیزی است که ون تارپ آن را توزیع R-Multiple می نامد. این بدان معنی است که هر سیستم تجاری می تواند به عنوان توزیع R-Multiple مشخص شود. هنگامی که از سیستم تجارت خود توزیع R-Multiple دارید ، باید میانگین آن توزیع را بدست آورید-این امید سیستم است.

متوسط R-Multiple

این آمار روش دیگری برای ارزیابی میزان انتظار برای هر شرط بندی دلار است یا در یک تجارت معین به خطر می افتد. اعداد بیشتر از صفر نقطه به یک سیستم برنده ، کمتر از صفر به یک سیستم از دست دادن. فرمول محاسبه آن:

میانگین r-multiple = (کل درصد برنده-درصد ضرر کل) / درصد ریسک کل

توقع، انتظار

ون تارپ تنها با استناد به R-Multiples از ضرر متوقف شده را توصیف می کند ، بنابراین می توان حداکثر ریسک را برای هر تجارت محاسبه کرد. این رقم به طور متوسط ارزش R را به شما می دهد که می توانید در بسیاری از معاملات از سیستم انتظار داشته باشید. به عبارت دیگر ، انتظار به شما می گوید که چقدر می توانید انتظار داشته باشید که به طور متوسط ، به ازای هر دلار در معرض خطر ، بیش از تعدادی از معاملات باشد.

شما می توانید انتظار ریاضی یک سیستم را با فرمول زیر محاسبه کنید:

انتظار = (میانگین نرخ پیروزی x سود) - (میانگین نرخ ضرر ضرر)

این فرمول مستلزم آن است که هنگام برآورد پتانسیل سود بلند مدت ، نرخ برد و نسبت بازپرداخت را در نظر بگیرید. به عنوان مثال ، سیستمی با دقت 50 ٪ و نسبت بازپرداخت 2 به 1 دارای امید برابر با 0،5 است. این بدان معناست که می توانید انتظار داشته باشید 50 ٪ از مبلغی را که به طور متوسط در هر تجارت ریسک می کنید ، بدست آورید. اگر 2 ٪ از سرمایه خود را در هر تجارت ریسک می کنید ، می توانید به طور متوسط با چنین سیستمی 1 ٪ در هر تجارت (50 ٪ از 2 ٪) کسب کنید. فرمول به این شکل است:

انتظار = (1+ متوسط سود / میانگین ضرر) x (نرخ برنده) -1

معامله گران کوتاه مدت به طور معمول به نرخ پیروزی بالاتر می رسند ، در حالی که معامله گران بلند مدت به طور کلی به عوامل سود بیشتری (متوسط سود / میانگین ضرر) دست می یابند. اما هر دو تلاش می کنند امید مثبت داشته باشند. انتظار ریاضی منفی به این معنی است که بدون توجه به اینکه مواضع شما چقدر کوچک یا بزرگ است ، در طول مدت پول خود را از دست خواهید داد. این به عنوان مثال در یک کازینو اتفاق می افتد که انتظار ریاضی همیشه منفی است. و یک انتظار صفر به این معنی است که می توانید انتظار داشته باشید که حساب شما برای همیشه در اطراف Breakeven نوسان کند. رالف وینس درباره این شکل اظهار داشت:

تفاوت بین یک انتظار منفی و مثبت تفاوت بین زندگی و مرگ است. مهم نیست که انتظار شما چقدر مثبت یا منفی باشد. آنچه مهم است این است که آیا مثبت است یا منفی.

منبع: "ریاضیات مدیریت پول: تکنیک های تحلیل ریسک برای معامله گران". توسط رالف وینس ، جان ویلی و پسران ، 1992 ، ص 18