Аксиомы трейдинга. Риск-менеджмент

При размещении ставок любого типа всегда существует определенная вероятность получения прибыли и риск потерпеть неудачу, И положительный исход сделки, и риск потерять деньги неразрывно связаны с математическим ожиданием. В данной статье мы подробно остановимся на этих двух аспектах трейдинга.

Словарь терминов:

В: Смещение (коэффициент прибыльных сделок)

R: Отношение прибыльных сделок к убыточным (вероятность)

Е: Математическое ожидание ставки (преимущество)

FO: Оптимальная ставка по Келли

ЕЕ: Результирующий баланс счета

N: Количество сделок

Ставка: Процент от баланса в сделке (потенциальный убыток)

Существует некоторое недопонимание торговли с использованием математического ожидания и критерия Келли (оптимальная ставка - FO). Данная статья проясняет эти вопросы. Для вычисления математического ожидания (Е) используется достаточно простое уравнение:

Математическое ожидание (Е) = B * R - (1 - B) = B * (1 + R) -1

Если математическое ожидание больше нуля, это дает вам преимущество в торговле. Смысл в том, что положительное математическое ожидание ведет к положительной (с повышением прибыли) торговле, а нулевое или отрицательное математическое ожидание означают, что не нужно торговать вообще.

В общем случае, есть два вида торговли: торговля фиксированной суммой обычно ассоциируется с игрой в казино, а торговля фиксированной частью (FF) - с работой на рынке акций. Например, при игре в рулетку мы обычно ставим фиксированную сумму и повторяем эту ставку многократно без изменений. Оказывается, игра на рулетке является убыточной для игрока, поскольку E = -0.0526.

На длительном интервале времени игрок потеряет свои деньги (конечно, всегда есть исключения, когда везунчик побеждает заведение). Поскольку (в общем случае) изменение ставки не применяется, игрок теряет 2$ за каждые 38 вращений колеса (при ставке 1$ за раз), что приводит к линейному убытку на уровне -5.26%, который увеличивается по мере роста числа ставок (в среднем).

Таким образом, итоговый убыток на балансе счета, в среднем, выражается формулой:

EE = E * N * Количество ставок

Инвестирование FF-типа отличается, поскольку убытки и приобретения накапливаются по экспоненциальной ставке, определяемой следующей формулой торгового баланса.

Всем привет!

Математическое ожидание играет важную роль в трейдинге. Многие недооценивают это показатель. Можно отлично разбираться в фундаментальном и техническом анализе, но при торговле с отрицательным мат. ожиданием трейдер будет обречен на провал. Но в тоже время многие слишком усложняют себе задачу и пытаются рассчитать мат. ожидание там где это совершенно не нужно и при идеальных условиях. Здесь нужно понять одно, идеальных условий в трейдинге не бывает. В данной статье я не буду вас загружать нудными формулами, которые описаны на других сайтах. Я лишь расскажу о том, как, когда и в каких случаях, стоит учитывать мат. ожидание.

Одну формулу в пример я все-таки приведу, чтобы можно было уловить суть. Это один из вариантов, в котором учитывают показатель мат. ожидания.

При расчете мат. ожидания берется следующая формула: вероятность получения прибыли * на среднюю прибыль от одной сделки минус вероятность получения убытков * средний убыток от одной сделки. И если, к примеру, учесть тот факт, что положительных и отрицательных сделок у нас 50 на 50, при этом средняя прибыль 500 пунктов, а средний убыток 250, то получится формула вида: (0,5*500) – (0,5*250) = 250 – 125 = 125.

В данном идеальном варианте мат. ожидание положительное. И на самом деле, очень странно, когда пытаются взять идеальные условия и доказать что нужно делать так-то и так. Например, что обязательно каждая сделка должна быть не меньше чем 1 к 2 (убыток к прибыли). Или средний профит обязательно выше среднего убытка. Мы никогда не сможем точно определить вероятность прибыльной/убыточной сделки. Все необходимые значения мы сможем оценить лишь постфактум на условии статистики. Торговля не сможет вам гарантировать той или иной вероятности по сделке и по профиту.

Все это я рассказываю к тому, что пытаться рассчитать положительное или отрицательное мат. ожидание постфактум, учитывая только вышеуказанные показатели, не совсем верно. На положительные результаты в торговле влияет очень много факторов. Важнее просто грамотно вести статистику, записывать подробный результат и пытаться выяснить почему получился тот или иной итог. Возможно по текущей торговой формации слишком мало положительных сделок. Либо при увеличении показателя риск к прибыли результат был бы положительным. В этом случае важно учесть тот факт, что нужный нам показатель профита действительно будет оправданным и сделка будет срабатывать. Так как вроде бы с точки зрения мат. ожидания все сошлось, но на деле в реальной торговле инструмент не будет доходить до нашего профита, так как он оказался завышенным, либо мы не учли других факторов.

Также я могу сказать следующее, что даже если совершать сделки 1 к 1, то в некоторых случаях они могут быть абсолютно оправданными, если положительных сделок будет больше чем отрицательных. В некоторых моих формациях есть сделки 1 к 1, при этом результат по данным формациям положительный. Поэтому, в некоторых случаях не нужно доверять всему что написано. И когда я вижу утверждение, что можно зарабатывать на рынке лишь тогда, когда риск к прибыли будет не меньше чем 1 к 2, то для меня это звучит странно.

А теперь, еще один простой пример в каких случаях стоит учитывать мат. ожидание. Например, при использовании такого показателя как ATR. Допустим, инструмент превысил свой показатель ATR более чем на 100 %, то в таком случае глупо заходить в позицию, так как с точки зрения мат. ожидания вероятность разворота выше. Либо заходить в позицию в том случае, когда ATR не позволяет вам закрыть позицию, скажем, 1 к 3. Например, если вы понимаете что инструмент прошел 90 % своего ATR и вы явно не сможете забрать ту прибыль которую планировали, не нарушив мат. ожидание. Это обычная математика против которой идти глупо.

В трейдинге нужно всегда стараться чтобы мат. ожидание было положительным. И когда будете анализировать ваши статистические данные, не забывайте про это и вносите коррективы в вашу торговлю верно.

На этом буду заканчивать. Надеюсь, вы уловили суть из моих размышлений 🙂 Подписывайтесь на новости сайта, всем пока.

С уважением, Станислав Станишевский.

В большинстве случаев математическое ожидание еще не достаточно характеризует случайную величину. На практике встречаются случайные величины, имеющие одинаковые математические ожидания, однако принимающие резко различающиеся значения. У одних из этих величин отклонения значений от математического ожидания небольшие, а для других, наоборот, значительны, т.е. для одних рассеивание значений случайной величины вокруг математического ожидания мало, а для других оно велико.

Например, пусть случайные величины X и Y заданы следующими законами распределения:

Математические ожидания этих случайных величин одинаковы и равны нулю. Однако характер их распределения их различный. Случайная величина X принимает значения, мало отличающиеся от математического ожидания, а случайная величина Y – значения, значительно отличаются от математического ожидания.

Приведенные рассуждения и пример свидетельствую о целесообразности введения такой характеристики случайной величины, которая оценивала бы меру рассеивания значений случайной величины вокруг ее математического ожидания, тем более что на практике часто приходится оценивать такое рассеивание. Например, артиллеристам необходимо знать как кучно лягут снаряды вблизи цели, по которой ведется стрельба.

На первый взгляд может показаться, что для оценки рассеяния проще всего вычислить все возможные значения отклонения случайной величины и затем найти их среднее значение. Однако такой путь ничего не дает, т.к. среднее значение отклонение для любой случайной величины равно нулю. Это объясняется тем, что возможные значения X–M[X] могут иметь как положительные, так и отрицательные знаки.

Избежать изменения знаков отклонений x i – M[X] можно, если заменить их абсолютными значениями или возвести в квадрат. Замена отклонений их абсолютными величинами нецелесообразно, т.к. действия с абсолютными величинами, как правило, вызывают затруднения. Поэтому следует использовать величину (X–M[X]) 2 (точнее, ее среднее значение) для характеристики рассеивания значений случайной величины.

Определение. Дисперсией (рассеянием) случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

Законы распределения вероятностей случайной величины X и (X–M[X]) 2 одинаковы. Пусть M[X]m , тогда дисперсия ДСВ будет иметь вид

, (5.5)

дисперсия НСВ

дисперсия
. (5.6)

Из определения следует, что дисперсия случайной величины есть величина не случайная (постоянная). Тогда формулу для дисперсии можно преобразовать следующим образом

Таким образом,

. (5.7)

Это есть основная формула для вычисления дисперсии.

Случайная величина и ее математическое ожидание имеют одну и ту же размерность, но дисперсия имеет размерность квадрата случайной величины. недостатка можно избежать если воспользоваться величиной, равной квадратному корню из дисперсии:

. (5.8)

Эта случайная величина называется средним квадратичным отклонением случайной величиной.

Пример 5.4. ДСВ X задана следующим законом распределения:

Решение . Способ 1.

Способ 2.

Пример 5.5. НСВ X задана следующей плотностью распределения:

Найти дисперсию D[X] двумя способами и среднее квадратичное отклонение.

Решение . Способ 1.

Способ 2.

,

Среднее квадратичное отклонение

Отметим некоторые свойства дисперсии.

Свойство 1. Дисперсия постоянной величины равно нулю:

Действительно, т.к. M[С]=C, то D[C]=M[С–M(С)] 2 =M[С–С] 2 =M=0. Это свойство очевидно, т.к. постоянная величина принимает только одно значение, следовательно, рассеяние рассеяния вокруг математического ожидания нет.

Свойство 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:

D = C 2 D[X].

Действительно, т.к. постоянный множитель можно выносить за знак математического ожидания, то

Свойство 3. Дисперсия суммы двух независимых случайных величин равно сумме дисперсий этих величин:

D = D[X]+ D[Y].

Действительно, учитывая свойства математического ожидания, получим

Свойство 4. Дисперсия разности двух независимых случайных величин равно сумме их дисперсий:

D = D[X] + D[Y].

Действительно, в силу свойства 3 D = D[X] + D[–Y]. В соответствие со свойством 2, получим

Ранее было введено понятие отклонения случайной величины от ее математического ожидания. Эту случайную величину

Иногда называют центрированной случайной величиной . Выше было показано (свойство 5), что математическое ожидание случайной величины равно нулю. Найдем дисперсию центрированной случайной величины. На основании свойств дисперсии, получим

Таким образом, дисперсия случайной величины X и центрированной случайной величины X–M[X] равны между собой.

Иногда бывает удобно использовать безразмерные центрированные случайные величины. Разделим величину X–M[X] на среднее квадратичное отклонениеsимеющее ту же размерность. Вновь полученную случайную величину называютстандартной случайной величиной :

. (5.9)

Стандартная случайная величина обладает следующими свойствами: 1) M[Z]=0, 2) D[X]=1.

Совершенно не обязательно быть правым чаще, чем ошибаться, для того, чтобы чтобы ваш торговый счет рос.

Обсуждая принципы построения , мы говорили о важности правил управления капиталом и рисками. Игнорирование этих пунктов торгового плана приводит к быстрой потере средств.

В этой статье мы продолжим обсуждать важность четвертого и пятого пункта торгового плана и на простых примерах разберем причины их чрезвычайной важности.

Риск-менеджмент подразумевает понимание того, в каких точках выходить из рынка, а также позволяет определить, является ли сделка качественной с точки зрения потенциала прибыли и рисков.

Цель применения правил управления рисками заключается в увеличении устойчивости торгового счета, снижении просадок и максимизации прибыли.

Пример таблицы для иллюстрации влияния различных отношений прибыль/риск на кривую доходности доступен по этой ссылке .

Математическое ожидание в трейдинге

Разберем простой пример, иллюстрирующий безусловную важность применения правил риск-менеджмента в трейдинге. Предположим, что риск на сделку составляет 10$, потенциальная прибыль также равняется 10$. Достойна ли сделка внимания?

Для ответа на этот вопрос нам необходимо знать вероятность получения прибыли или убытка. Но проблема в том, что в трейдинге это можно сделать лишь постфактум — во время анализа статистики сделок, то есть уже после того, как вы рисковали деньгами, или во время тестирования стратегии на исторических данных.

Это одна из причин, по которой нельзя торговать на реальном счете по стратегии, которую вы не тестировали на достаточно длинном и извилистом фрагменте истории.

На достаточно длинной дистанции торговый результат будет равен:

R — торговый результат,
N — количество сделок,
A — средний результат на сделку.

Средний финансовый результат на сделку в данном контексте можно назвать математическим ожиданием. Рассчитывается математическое ожидание так:

МО = СП * ВП — СУ * ВУ

МО — математическое ожидание,
СП — средняя прибыльная сделка в долларах,
ВП — вероятность получения прибыли,
СУ — средняя убыточная сделка в долларах,
ВУ — вероятность получения убытка.

Предположим, что вероятность получения прибыли равна 50%. Если прибыль на сделку равняется 10$, риск также равен 10$, то математическое ожидание равно нулю:

МО = 0,5 * 10$ — 0,5 * 10$ = 0$

Если математическое ожидание равно нулю, то торговля не имеет смысла, поскольку финальный результат в нашем примере также будет равен нулю: если 1000 сделок приносит нам в среднем 0$ на сделку, то в данном процессе прибыль получает брокер, но никак не трейдер.

Если в нашем примере вероятность получения убытка вырастет всего на 1%, ситуация кардинально изменится, математическое ожидание будет отрицательным:

МО = 0,49 * 10$ — 0,51 * 10$ = — 0,2$

Это означает, что в среднем в каждой сделке трейдер теряет 20 центов, и чем больше будет сделок, тем больше средств будет потеряно. Это характерно для всех систем с заведомо отрицательным математическим ожиданием (рулетка, игральные автоматы).

Если математическое ожидание ниже нуля, трейдинг не имеет смысла. Чем больше сделок совершает трейдер, тем больше средств будет потеряно.

Аналогично в бинарных опционах “выигрыш”, как правило, меньше риска. Это смещает математическое ожидание в пользу казино — если трейдер получает прибыль в 50% случаев, он все равно остается в минусе. В настоящих биржевых опционах вы вправе выбирать подходящие вам потенциалы прибыли и риска из тысяч возможных вариантов, а цена таких опционов определяется рыночным спросом и предложением, а не соответствующим департаментом брокера.

Пример, в котором мы рассчитали математическое ожидание, утрирован, тем не менее основная мысль данной статьи начинает постепенно выкристаллизовываться:

Если в среднем в каждой сделке прибыль равна или ниже риска, то трейдер принимает на себя обязательство (!) совершать больше прибыльных сделок, чем убыточных.

Зачем принимать на себя такое обязательство? Это абсурд.

Разовьем данную тему и разберем еще несколько наглядных примеров.

Пример 1. 60% убыточных сделок

Предположим, что торговый капитал равен 10 000$. Риск на сделку равняется 200$, соотношение прибыль/риск равняется два к одному, то есть в среднем прибыль на сделку равняется 400$.

Пусть в течение квартала трейдер активно торгует и совершает 300 сделок, при этом статистика данного периода далека от идеала — трейдер ошибается чаще, чем является правым — 180 сделок (60%) закрываются с убытком, 120 сделок (40%) — с прибылью. Математическое ожидание (МО) будет равно:

МО = 400$ * 0.4 — 200$ * 0.6 = 40$

Это означает, что в среднем в каждой сделке трейдер получает результат в 40$, и если сделок будет много, с торговым счетом все будет в порядке.

Рассчитаем торговый результат за период (ТР) по формуле выше:

ТР = 40$ * 300 сделок = + 12 000$

Трейдер ошибается в 60% случаев, а его капитал растет на 120%? Это и есть «Грааль» — магия риск-менеджмента. «Грааль» в трейдинге находится в , в отношении прибыль/риск на каждую сделку и расчете оптимального объема позиции.

Если соотношение прибыль/риск выше или равно 2, то трейдер получает возможность ошибаться чаще, чем быть правым.

Это увеличивает вероятность получения положительного математического ожидания, и чем выше будет соотношение прибыль/риск в каждой сделке, тем активнее будет расти торговый счет и тем быстрее будет выход из просадок.

Цитата из «Черный лебедь. Под знаком непредсказуемости»

Для принятия решений вы должны сосредоточиться на последствиях (которые вы можете знать), а не на вероятности события (степень которой вы знать не можете) - это главное правило идеи неопределенности. На этом фундаменте можно построить общую теорию принятия решений. Все, что нужно делать, это смягчать последствия.

Попутного тренда!