망치 위험 계산을 사용하는 방법은 기간(월별, 주별, 연간 등) 또는 일종의 증분(거래당, 10거래당 등)을 정의한 다음 해당 기간에 대한 통계를 수집하는 것입니다. . 결과 계산 결과가 의미하는 바(단위)와 관련하여 중요합니다.
때로는 올바른 질문을 하고 있는지 확인하는 데 먼저 초점을 맞추는 것이 도움이 됩니다.
예를 들어, 제 클라이언트는 월간 일정으로 운영됩니다. 그들은 매일 또는 매주 일에 신경 쓰지 않습니다. 그들에게는 월별 결과가 전부입니다. 따라서 제 경우에는 주간 결과 또는 거래당 기준으로 파산 위험을 계산하는 것은 나에게 아무 소용이 없습니다.
따라서 백테스트에서 해야 할 일은 월별 평균 수익률(이익, 손실, ROR 등)을 캡처하는 것입니다. 다음과 같은 것:
지표 파괴의 위험을 계산하려면 먼저 해당 기간에 대한 데이터를 수집해야 합니다. 이 예의 경우 월별 수익률 결과를 조합하고 평균 월별 ROR을 계산한 다음 해당 월별 수익률의 표준 편차 를 계산해야 했습니다.
이 예에서 평균 월별 ROR은 8%의 표준 편차와 함께 12%였습니다...백테스트 결과에서 이것은 앞으로 황금색이어야 했지만 (보다시피) 그렇지 않았습니다. 참고 나는 내 계정이 언제 망가질지 아는 데 관심이 없기 때문에(사소한 질문입니다) 손실 위험(ROL)을 손실 위험이라고 합니다. 고정된 양, 예를 들어 20%만큼 수중을 차지합니다.
따라서 표준 편차가 8%인 12% 월간 ROR은 시간의 약 6.5%(월말 이벤트의 6.5% 또는 약 15개월에 한 번)에서 계정 가치에서 7.4% 손실을 경험할 것으로 예상할 수 있음을 의미합니다. .
따라서 처음에는 설명할 수 없는 순방향 테스트 결과에 당황했지만, 백테스트 결과를 기반으로 이러한 월별 결과를 기대하는 것은 완벽하게 합리적이었습니다. 단 15개월 만에 내 계정의 최고점에서 마이너스 하락을 기대할 수 있습니다.
따라서 의미 있는 손실 평가 위험을 계산하려면 먼저 자신과 관련된 기간을 결정한 다음 RoR의 평균 및 표준 편차를 계산할 수 있는 형식으로 결과를 조합해야 합니다. 그 기간에.
백테스트에서 해당 데이터를 얻은 후에는 파손 위험(또는 제가 언급하고자 하는 손실 위험) 계산을 사용하여 수많은 통계 기반 분석을 수행할 수 있습니다.
예, 분석에서 이벤트 연대기 편향을 제거하려는 경우 백테스팅은 항상 복리 효과 없이 수행되어야 합니다. 가중치가 없는 통계 분석(예: 평균 및 표준 편차 취하기 등)을 사용하려는 경우 각 이벤트(거래)를 다른 모든 이벤트와 동일한 가중치에 배치해야 합니다. 나는 당신이 이미 이것을 알고 있다고 생각합니다.
포워드 테스트/라이브 테스팅을 할 때 선택을 해야 합니다. 포워드 테스트가 돈을 버는 것에 관한 모든 것이 되기를 원하십니까(당시 복합이 유효해야 함), 아니면 포워드 테스트가 이에 따를 수 있는 데이터를 추가로 생성하기를 원하십니까? 통계 분석의 종류?
샘플링 기간의 수학적 한계가 하나의 거래를 포착할 수 있을 만큼 충분히 작아지면 통계적 편향 요인이 1이 되기 때문에 통계 편향이 실제로 적용된다는 사실을 무시함으로써 발생하는 오류가 최소화될 수 있습니다. 그 상황들.
이 모든 횡설수설의 요점은 백테스트와 포워드 테스트(또는 라이브 거래) 모두와 관련하여 그리고 둘 사이의 통계가 수학적 의미에서 비교되기를 원하는 경우 결정을 내려야 한다는 것입니다. 그런 다음 결과 데이터를 순방향 테스트에 대한 관련 통계에 매핑(또 다른 수학 용어)할 수 있도록 하는 방식으로 백테스트를 관리했는지 확인해야 합니다.
시작 계정 잔액에 고정된 lotsize 불변으로 백테스트를 수행하는 것이 백테스트에서 수행할 수 있는 유일한 방법입니다.
"따라서 표준 편차가 8%인 12% 월간 ROR 은 시간의 약 6.5%(월말 이벤트의 6.5% 또는 약 15개월에 한 번)에서 내 계정이 7.4%의 계정 가치 손실을 경험할 것으로 예상할 수 있음을 의미합니다. )."
백테스트에서 데이터를 얻고 위의 게시물에서 설명한 대로 데이터가 준비되면 미래의 손실 위험을 계산하는 데 사용할 방정식을 선택할 수 있습니다.
컴파운딩을 사용할 것인가 말 것인가? 복리를 사용하지 않으려는 경우 방정식은 다음과 같이 간단합니다.
R = e^(-( 2 *a*z)/(d*d))
Where:
R = risk of losing z fraction of the account
e = 2.71828 , the base of the natural logarithm
z = The fraction of the account that might be lost, inthiscase10 %, or 0.10
a = average, or mean return , inthiscase6.5 %, or 0.065
d = standard deviation of returns, inthiscase10.47 %, or 0.1047
따라서 R(100번의 거래 후 계정이 10% 감소할 것으로 예상할 수 있는 빈도)을 다음과 같이 계산합니다.
R = 2.71828 ^(-( 2 * 0.065 * 0.10 )/( 0.1047 * 0.1047 ))
R = 0.30547
R = 30.5 %
따라서 이 예에서 질문은 "100번의 거래 후 최고 수위선에서 내 계정이 최소 10% 하락을 경험할 것으로 예상할 수 있는 빈도는 무엇입니까?"입니다. 답은 "이런 일이 일어날 확률은 30.5%"입니다.
또는 이를 되돌리기 위해 "내 계정은 100거래 기간 동안 3회 이상 최고점에서 10% 하락해야 합니다"라고 말할 수 있습니다. 합성을 하지 않는 경우입니다.
순방향 테스트 또는 라이브 테스트를 위해 계정에서 복합을 수행하려는 경우 동일한 RoR% 및 Stand-dev를 사용합니다(이벤트 연대순 편향 없이 생성했기 때문에 이 용도에도 매핑될 수 있음). 더 복잡한 공식을 사용하십시오.
R = ( 1 -z)^(- 2 *a/(d*ln( 1 -d)))
Where:
R = risk of losing z fraction of the account
z = The fraction of the account that might be lost, inthiscase10 %, or 0.10
a = average, or mean return , inthiscase6.5 %, or 0.065
d = standard deviation of returns, inthiscase10.47 %, or 0.1047
그래서 우리는 당신이 개발한 무역 전략을 기반으로 하는 복합 무역 방법에 대해 R을 계산하고 다음을 얻습니다.
R = ( 1 -z)^(- 2 *a/(d*ln( 1 -d)))
R = ( 1 - 0.10 )^(- 2 * 0.065 /( 0.1047 *ln( 1 - 0.1047 )))
R = 0.3064
R = 30.6 %
이 경우 복리화 여부의 차이는 예상대로 계산된 손실 위험(30.6% 대 30.5%)에 거의 차이가 없지만 샤프 비율이 <1. (당신은 0.62로 1보다 훨씬 낮습니다)
하지만 1-Φ(t) = 1 - P(1.576) = 1 - 0.9418 = 0.0582 = 5.8% 인 상보 누적을 계산해야 합니다.
의미가 있나요?? 우리는 같은 것에 대해 이야기하고 있습니까?
여기에서 µ 는 평균 하락입니까 아니면 평균 수익률입니까? 그리고 여기서 σ 는 드로다운의 표준편차입니까, 아니면 RoR의 표준편차입니까? 보완 누적은 10% 하락의 확률입니까 아니면 -10% 수익률의 확률입니까?
내가 이해하는 한, 당신은 수익 가치의 위험을 하락 위험의 위험과 혼동 하고 있습니다. 하락 위험 통계를 계산하려면 거래당 평균 하락을 계산할 수 있도록 모든 거래에 대한 하락을 계산해야 합니다(손익이 아니라 거래가 "라이브"인 동안 일시적인 하락). stddev인 경우 보완 누적 값은 사용자가 생각하는 것을 나타냅니다.
우리는 파멸의 위험에 대해 이야기하고 있습니다(특히 손실의 위험, 훨씬 더 일반화된 파멸 위험 계산의 경우). 이 기사 를 확인하십시오. 사용된 단어의 특정 뉘앙스를 단순히 설명하는 것이 아니라 실제로 읽으십시오.
2페이지에는 1시그마 손실 위험을 계산하는 매우 간단한 계산이 있습니다. 시그마는 10.47%입니다. 10.47%를 잃을 위험은 귀하의 평균 수익률에 따라 달라지며, 이는 귀하의 경우 6.5%입니다. 샤프는 1(보통 좋은 것으로 간주되지 않음) 미만이고 10.47%(1-시그마)를 잃을 위험은 29.1%입니다.
이 그래프의 세로 좌표와 가로 좌표를 기록해 두십시오. 사람들은 항상 이것에 걸려 넘어집니다. y축은 몇 가지 핵심 질문에 영감을 주어야 하며, 이에 대한 답은 드로다운이 무엇을 의미하는지 이해하는 데 도움이 될 것입니다. "내가 어떻게 0.1%의 손실을 입을 확률이 거의 100%에 달하는가?"라고 자문해 보십시오.
그것에 대해 생각하고 손실/파손의 위험을 안고 계산하는 것이 무엇인지 생각하고 거래의 자기자본 대 시간 그래프가 어떻게 보이는지 생각하고 새로운 최고치를 설정할 때마다 매우 약간 후퇴하여 이것이 이제까지 아주 약간의 후퇴는 새로 설정된 최고 수위에서 하락한 것입니다.
어쨌든 사람들은 1-시그마와 관련하여 손실 위험을 고려하지 않는 경향이 있으며 동전 던지기처럼 50/50의 관점에서 생각하는 경향이 있습니다. 그렇다면 귀하의 계정이 50%의 시간을 잃을 수 있는 자본의 양은 얼마입니까? 답: 6%
주어진 100번의 거래 라운드가 끝날 때까지 6%를 잃을 확률은 50/50입니다.
또한 이 계산은 단지 14개 샘플의 통계를 기반으로 한다는 것을 이해하십시오. 일반적으로 이러한 계산으로 생성된 숫자를 "하한"이라고 합니다. 즉, 50%의 시간 동안 계정 자산의 6%를 잃을 수 있다고 계산하는 동안 해당 값은 실제로 "최소 6%이지만 설명되지 않은 위험 요소로 인해 더 높을 수 있음"을 의미하는 것으로 간주합니다.
75%의 사람들이 그들의 전략이 성배라는 것을 보여주는 백테스트에도 불구하고 외환에서 돈을 잃는 이유가 있습니다. 데이터는 파멸의 위험을 계산하기 위해 마음대로 사용할 수 있지만(즉, 필요에 따라 데이터를 생성할 수 있음) 이윤 요인과 기대 보상 등인 희망과 꿈에 팔립니다.
그러나 그것에 대해 내 말을 받아들이지 마십시오. 기사가 있습니다. David에게 전화를 걸어 물어보십시오. 그는 그것에 대해 이야기하는 것을 좋아합니다. 그리고 그것을 시험해 보십시오. 백테스트된 전략을 앞으로 테스트하고 어떤 일이 일어나는지 지켜보십시오. (이 실험을 무의식적으로 직접 실행했을 때 위의 결과를 보았습니까?)
(그리고 손실 분석의 위험에서 발견되는 재정적 깨달음의 또 다른 덩어리가 있습니다. 왜 Sharpe Ratio가 재무 분석가들 사이에서 그렇게 존경받는지 알게 될 것이고, 그러면 당신은 그것의 주된 약점과 사람들이 "베타 킬"이라고 말하는 이유를 깨닫게 될 것입니다)
나는 당신의 x와 P(x) 숫자의 기원을 이해하려고 노력하고 있습니다. 아마도 영어가 당신의 모국어가 아닐 수도 있다고 생각합니다. 그래서 결론을 내리거나 혼동을 주기 전에 당신이 사용하는 용어의 의미를 이해하고 있는지 확인하고 싶습니다. 진술.
"거래당 0.5%의 일정한 위험으로"
거래당 0.5% 위험은 무엇입니까? 이것은 시장이 귀하의 포지션과 반대 방향으로 움직이고 포지션이 손절매 가격으로 마감되는 경우 계정 잔고의 0.5%를 위험에 빠뜨리는 것을 의미합니까?
"즉, 내 계정 잔액의 50%에 0.35%가 있음을 의미합니다."
파손 위험은 시간 요인 계산입니다. 즉, 계산한 숫자로 작성한 명세서의 단위는 "거래당", "주당" 또는 "월별"이 되도록 의도되었습니다.
현재로서는 x와 P(x)가 어디에서 왔는지 알 수 없지만 여기에 관련된 단위가 결정됩니다.
당신이 한 일을 이해하도록 도와주세요. 당신이 계산을 올바르게 적용하고 있는지 판단하는 데 기꺼이 시간을 투자하겠습니다.
안녕 필립
그리고 여기 도와주셔서 감사합니다 :)
거래당 0.5% 위험은 정확히 이를 의미합니다. 시장이 내 위치와 반대로 움직이고 SL에 도달하면 내가 잃는 금액입니다.
0.35% 값은 전체 테스트 기간(약 8년의 기간입니다....)에 대한 것으로 X 및 P(X) 모두 이 보고서에서 사용되었습니다.
나는 이 계산을 하는 것이 몇 시간 동안 논리적인지 알 수 없습니다!
2001년 1월 10일부터 2002년 1월 10일까지의 기간을 가정해 보겠습니다.
그 기간에 대한 요인을 계산하는 것이 논리적입니까 ?? 거래의 승패 사이의 관계를 결정하기에 충분한 데이터가 여기에 있습니까... ?
이번에는 명확해졌기를 바랍니다. :)
망치 위험 계산을 사용하는 방법은 기간(월별, 주별, 연간 등) 또는 일종의 증분(거래당, 10거래당 등)을 정의한 다음 해당 기간에 대한 통계를 수집하는 것입니다. . 결과 계산 결과가 의미하는 바(단위)와 관련하여 중요합니다.
때로는 올바른 질문을 하고 있는지 확인하는 데 먼저 초점을 맞추는 것이 도움이 됩니다.
예를 들어, 제 클라이언트는 월간 일정으로 운영됩니다. 그들은 매일 또는 매주 일에 신경 쓰지 않습니다. 그들에게는 월별 결과가 전부입니다. 따라서 제 경우에는 주간 결과 또는 거래당 기준으로 파산 위험을 계산하는 것은 나에게 아무 소용이 없습니다.
따라서 백테스트에서 해야 할 일은 월별 평균 수익률(이익, 손실, ROR 등)을 캡처하는 것입니다. 다음과 같은 것:
지표 파괴의 위험을 계산하려면 먼저 해당 기간에 대한 데이터를 수집해야 합니다. 이 예의 경우 월별 수익률 결과를 조합하고 평균 월별 ROR을 계산한 다음 해당 월별 수익률의 표준 편차 를 계산해야 했습니다.
이 예에서 평균 월별 ROR은 8%의 표준 편차와 함께 12%였습니다...백테스트 결과에서 이것은 앞으로 황금색이어야 했지만 (보다시피) 그렇지 않았습니다. 참고 나는 내 계정이 언제 망가질지 아는 데 관심이 없기 때문에(사소한 질문입니다) 손실 위험(ROL)을 손실 위험이라고 합니다. 고정된 양, 예를 들어 20%만큼 수중을 차지합니다.
따라서 표준 편차가 8%인 12% 월간 ROR은 시간의 약 6.5%(월말 이벤트의 6.5% 또는 약 15개월에 한 번)에서 계정 가치에서 7.4% 손실을 경험할 것으로 예상할 수 있음을 의미합니다. .
따라서 처음에는 설명할 수 없는 순방향 테스트 결과에 당황했지만, 백테스트 결과를 기반으로 이러한 월별 결과를 기대하는 것은 완벽하게 합리적이었습니다. 단 15개월 만에 내 계정의 최고점에서 마이너스 하락을 기대할 수 있습니다.
따라서 의미 있는 손실 평가 위험을 계산하려면 먼저 자신과 관련된 기간을 결정한 다음 RoR의 평균 및 표준 편차를 계산할 수 있는 형식으로 결과를 조합해야 합니다. 그 기간에.
백테스트에서 해당 데이터를 얻은 후에는 파손 위험(또는 제가 언급하고자 하는 손실 위험) 계산을 사용하여 수많은 통계 기반 분석을 수행할 수 있습니다.
궁금한게 많아요!!
우선....
1- 월별 계산에서 위치 크기가 일정하다고 가정합니까?
2- 월별 테스트는 초기 보증금에 대해 수행됩니까? 이전 달의 진행 상황에 관계없이?
처음 두 질문에 대한 대답이 YES라고 가정합니다. :)
100개 거래의 14개 그룹에 대해 ROR을 계산했습니다.
0.01 로트 크기를 사용하고 각 그룹에 대해 $700의 초기 보증금을 계산했습니다.
다음 결과를 얻었습니다.
(엑셀을 깔아야 하는거 아닌가...? )
1-> 0%
2-> + 12%
3-> 0%
4-> + 18%
5-> - 3%
6-> -8%
7-> +22%
8-> -3%
9-> +11%
10-> +23%
11-> +17%
12-> +7%
13-> -8%
14-> +2%
이 데이터에서 평균 ROR은 6.5%이고 표준 편차 는 10.47%입니다.
이제 두 번째 부분을 계산하는 방법을 잘 모르겠습니다.
"따라서 표준 편차가 8%인 12% 월간 ROR 은 시간의 약 6.5%(월말 이벤트의 6.5% 또는 약 15개월에 한 번)에서 내 계정이 7.4%의 계정 가치 손실을 경험할 것으로 예상할 수 있음을 의미합니다. )."
질문이 많아요!!
우선....
1- 월별 계산에서 위치 크기가 일정하다고 가정합니까?
2- 월별 테스트는 초기 보증금에 대해 수행됩니까? 이전 달의 진행 상황에 관계없이?
예, 분석에서 이벤트 연대기 편향을 제거하려는 경우 백테스팅은 항상 복리 효과 없이 수행되어야 합니다. 가중치가 없는 통계 분석(예: 평균 및 표준 편차 취하기 등)을 사용하려는 경우 각 이벤트(거래)를 다른 모든 이벤트와 동일한 가중치에 배치해야 합니다. 나는 당신이 이미 이것을 알고 있다고 생각합니다.
포워드 테스트/라이브 테스팅을 할 때 선택을 해야 합니다. 포워드 테스트가 돈을 버는 것에 관한 모든 것이 되기를 원하십니까(당시 복합이 유효해야 함), 아니면 포워드 테스트가 이에 따를 수 있는 데이터를 추가로 생성하기를 원하십니까? 통계 분석의 종류?
샘플링 기간의 수학적 한계가 하나의 거래를 포착할 수 있을 만큼 충분히 작아지면 통계적 편향 요인이 1이 되기 때문에 통계 편향이 실제로 적용된다는 사실을 무시함으로써 발생하는 오류가 최소화될 수 있습니다. 그 상황들.
이 모든 횡설수설의 요점은 백테스트와 포워드 테스트(또는 라이브 거래) 모두와 관련하여 그리고 둘 사이의 통계가 수학적 의미에서 비교되기를 원하는 경우 결정을 내려야 한다는 것입니다. 그런 다음 결과 데이터를 순방향 테스트에 대한 관련 통계에 매핑(또 다른 수학 용어)할 수 있도록 하는 방식으로 백테스트를 관리했는지 확인해야 합니다.
시작 계정 잔액에 고정된 lotsize 불변으로 백테스트를 수행하는 것이 백테스트에서 수행할 수 있는 유일한 방법입니다.
처음 두 질문에 대한 대답이 YES라고 가정합니다. :)
100개 거래의 14개 그룹에 대해 ROR을 계산했습니다.
0.01 로트 크기를 사용하고 각 그룹에 대해 $700의 초기 보증금을 계산했습니다.
다음 결과를 얻었습니다.
(엑셀을 깔아야 하는거 아닌가...?)
1-> 0%
2-> + 12%
3-> 0%
4-> + 18%
5-> - 3%
6-> -8%
7-> +22%
8-> -3%
9-> +11%
10-> +23%
11-> +17%
12-> +7%
13-> -8%
14-> +2%
이 데이터에서 평균 ROR은 6.5%이고 표준 편차는 10.47%입니다.
이제 두 번째 부분을 계산하는 방법을 잘 모르겠습니다.
"따라서 표준 편차가 8%인 12% 월간 ROR 은 시간의 약 6.5%(월말 이벤트의 6.5% 또는 약 15개월에 한 번)에서 내 계정이 7.4%의 계정 가치 손실을 경험할 것으로 예상할 수 있음을 의미합니다. )."
백테스트에서 데이터를 얻고 위의 게시물에서 설명한 대로 데이터가 준비되면 미래의 손실 위험을 계산하는 데 사용할 방정식을 선택할 수 있습니다.
컴파운딩을 사용할 것인가 말 것인가? 복리를 사용하지 않으려는 경우 방정식은 다음과 같이 간단합니다.
따라서 R(100번의 거래 후 계정이 10% 감소할 것으로 예상할 수 있는 빈도)을 다음과 같이 계산합니다.
따라서 이 예에서 질문은 "100번의 거래 후 최고 수위선에서 내 계정이 최소 10% 하락을 경험할 것으로 예상할 수 있는 빈도는 무엇입니까?"입니다. 답은 "이런 일이 일어날 확률은 30.5%"입니다.
또는 이를 되돌리기 위해 "내 계정은 100거래 기간 동안 3회 이상 최고점에서 10% 하락해야 합니다"라고 말할 수 있습니다. 합성을 하지 않는 경우입니다.
순방향 테스트 또는 라이브 테스트를 위해 계정에서 복합을 수행하려는 경우 동일한 RoR% 및 Stand-dev를 사용합니다(이벤트 연대순 편향 없이 생성했기 때문에 이 용도에도 매핑될 수 있음). 더 복잡한 공식을 사용하십시오.
그래서 우리는 당신이 개발한 무역 전략을 기반으로 하는 복합 무역 방법에 대해 R을 계산하고 다음을 얻습니다.
이 경우 복리화 여부의 차이는 예상대로 계산된 손실 위험(30.6% 대 30.5%)에 거의 차이가 없지만 샤프 비율이 <1. (당신은 0.62로 1보다 훨씬 낮습니다)
나는 우리가 여기에서 같은 페이지에 있는지 확실하지 않습니다 ...
공식은 꽤 친숙합니다 ...
그러나 30.5%의 확률로 손에 있는 가치의 분배를 위해 계정 잔액의 최소 10%를 잃을 수 있다는 것이 정말 의미가 있습니까?
이 14개 값 세트의 경우 최대 감소율은 8%로 두 번만 반복되고 결코 그 이하로 떨어지지 않는다는 사실을 고려하십시오!
그래서 30.5%의 드로다운이 10% 이상이라는 것은 여기에서 상당히 균형이 맞지 않는 것처럼 보입니다...
나는 약간의 조사를 했고 10% 이상의 하락 가능성을 계산하려고 시도했지만 다른 결과를 얻었습니다.
다음 공식을 사용했습니다.
X는 평균이 μ이고 표준편차 가 σ인 정규분포의 확률변수입니다.
X = - 10%
μ = 6.5%
σ = 10.47%
정규 분포의 대칭 특성 때문에 + 1.576을 사용할 수 있습니다.
Z까지의 누적 확률은 -> Φ(t)=P(Z≤t) 로 지정됩니다.
하지만 1-Φ(t) = 1 - P(1.576) = 1 - 0.9418 = 0.0582 = 5.8% 인 상보 누적을 계산해야 합니다.의미가 있나요?? 우리는 같은 것에 대해 이야기하고 있습니까?
X는 평균이 μ이고 표준편차가 σ인 정규 분포의 확률 변수입니다.
X = - 10%
μ = 6.5%
σ = 10.47%
하지만 1-Φ(t) = 1 - P(1.576) = 1 - 0.9418 = 0.0582 = 5.8% 인 상보 누적을 계산해야 합니다.의미가 있나요?? 우리는 같은 것에 대해 이야기하고 있습니까?
여기에서 µ 는 평균 하락입니까 아니면 평균 수익률입니까? 그리고 여기서 σ 는 드로다운의 표준편차입니까, 아니면 RoR의 표준편차입니까? 보완 누적은 10% 하락의 확률입니까 아니면 -10% 수익률의 확률입니까?
내가 이해하는 한, 당신은 수익 가치의 위험을 하락 위험의 위험과 혼동 하고 있습니다. 하락 위험 통계를 계산하려면 거래당 평균 하락을 계산할 수 있도록 모든 거래에 대한 하락을 계산해야 합니다(손익이 아니라 거래가 "라이브"인 동안 일시적인 하락). stddev인 경우 보완 누적 값은 사용자가 생각하는 것을 나타냅니다.
우리는 파멸의 위험에 대해 이야기하고 있습니다(특히 손실의 위험, 훨씬 더 일반화된 파멸 위험 계산의 경우). 이 기사 를 확인하십시오. 사용된 단어의 특정 뉘앙스를 단순히 설명하는 것이 아니라 실제로 읽으십시오.
2페이지에는 1시그마 손실 위험을 계산하는 매우 간단한 계산이 있습니다. 시그마는 10.47%입니다. 10.47%를 잃을 위험은 귀하의 평균 수익률에 따라 달라지며, 이는 귀하의 경우 6.5%입니다. 샤프는 1(보통 좋은 것으로 간주되지 않음) 미만이고 10.47%(1-시그마)를 잃을 위험은 29.1%입니다.
이 그래프의 세로 좌표와 가로 좌표를 기록해 두십시오. 사람들은 항상 이것에 걸려 넘어집니다. y축은 몇 가지 핵심 질문에 영감을 주어야 하며, 이에 대한 답은 드로다운이 무엇을 의미하는지 이해하는 데 도움이 될 것입니다. "내가 어떻게 0.1%의 손실을 입을 확률이 거의 100%에 달하는가?"라고 자문해 보십시오.
그것에 대해 생각하고 손실/파손의 위험을 안고 계산하는 것이 무엇인지 생각하고 거래의 자기자본 대 시간 그래프가 어떻게 보이는지 생각하고 새로운 최고치를 설정할 때마다 매우 약간 후퇴하여 이것이 이제까지 아주 약간의 후퇴는 새로 설정된 최고 수위에서 하락한 것입니다.
어쨌든 사람들은 1-시그마와 관련하여 손실 위험을 고려하지 않는 경향이 있으며 동전 던지기처럼 50/50의 관점에서 생각하는 경향이 있습니다. 그렇다면 귀하의 계정이 50%의 시간을 잃을 수 있는 자본의 양은 얼마입니까? 답: 6%
주어진 100번의 거래 라운드가 끝날 때까지 6%를 잃을 확률은 50/50입니다.
또한 이 계산은 단지 14개 샘플의 통계를 기반으로 한다는 것을 이해하십시오. 일반적으로 이러한 계산으로 생성된 숫자를 "하한"이라고 합니다. 즉, 50%의 시간 동안 계정 자산의 6%를 잃을 수 있다고 계산하는 동안 해당 값은 실제로 "최소 6%이지만 설명되지 않은 위험 요소로 인해 더 높을 수 있음"을 의미하는 것으로 간주합니다.
75%의 사람들이 그들의 전략이 성배라는 것을 보여주는 백테스트에도 불구하고 외환에서 돈을 잃는 이유가 있습니다. 데이터는 파멸의 위험을 계산하기 위해 마음대로 사용할 수 있지만(즉, 필요에 따라 데이터를 생성할 수 있음) 이윤 요인과 기대 보상 등인 희망과 꿈에 팔립니다.
그러나 그것에 대해 내 말을 받아들이지 마십시오. 기사가 있습니다. David에게 전화를 걸어 물어보십시오. 그는 그것에 대해 이야기하는 것을 좋아합니다. 그리고 그것을 시험해 보십시오. 백테스트된 전략을 앞으로 테스트하고 어떤 일이 일어나는지 지켜보십시오. (이 실험을 무의식적으로 직접 실행했을 때 위의 결과를 보았습니까?)
(그리고 손실 분석의 위험에서 발견되는 재정적 깨달음의 또 다른 덩어리가 있습니다. 왜 Sharpe Ratio가 재무 분석가들 사이에서 그렇게 존경받는지 알게 될 것이고, 그러면 당신은 그것의 주된 약점과 사람들이 "베타 킬"이라고 말하는 이유를 깨닫게 될 것입니다)
확인
나는 이것을 얻었다고 생각한다. 감사해요
내일 더 많은 질문으로 돌아오겠습니다 :)
오 ...
아직도 이해가 안되는게 하나 있는데.... 이 계산에 영향을 주는 다른 요인은 없을까요??
월 단위로 계산된 ROR 결과를 가져옵니다.
(논증을 위해) 한 달에 더 많은 거래가 있다고 가정해 보겠습니다. 더 높은 ROR을 얻습니다.
예: 0 거래에 대해 0%를 얻습니다.
10번의 거래에 대해 5%(평균)
20번의 거래에 대해 10%(평균)
등등...
30개월의 기간 동안 ROR 분포에 값의 높은 스프레드가 있다고 가정해 보겠습니다(매월 거래 횟수가 완전히 다름)
평균 수익률이 10%이고 표준 편차 가 20%이고 음수 ROR이 없도록(음수 거래를 가질 수 없습니다...)
이제 20%인 하나의 표준 편차가 손실될 위험을 계산하면 대략 37%가 됩니다.
여기 어디로 가는지 보이십니까?