רשום פופולרי

בחירת העורך - 2020

השבר האופטימלי - בחיפוש אחר ניהול הכסף המושלם

ברכות, סוחרי מט"ח חברים!

הוא האמין כי Optimal F היא השיטה היחידה הטובה ביותר לניהול כספים. הרעיון של "f אופטימלי" ידוע ככל הנראה לכל ספקולטי המטבע שמעוניינים לפחות ברצינות בניהול כספים וניהול כספים. המקדם הראשי של רעיון זה, הסופר האמריקני ראלף וינס, מכיר היטב את לארי וויליאמס - סוחר העתיד האגדי. וינס עצמו אינו סוחר מתרגל, ורבים נוזפים בו. היום נתעמק בנושא זה בפירוט, ננתח את היתרונות והחסרונות של שיטת השבר האופטימלי, חישוב ונשקול שינויים בגישה.

הסיפור

ראלף הבחין בקלי בשגיאה כי נוסחת הקריטריון של קלי נועדה במקור לקבוע את כיוון הזרימה של חלקיקים אלקטרוניים, ואז שימשה לבלאק ג'ק. הבעיה היא שג'לאק ג'ק אינו זהה כלל למסחר במניות או במטבעות. בבלאק ג'ק, ההפסד הפוטנציאלי שלך בכל הימור מוגבל לשבבים שאתה מהמר, בעוד שהזכייה הפוטנציאלית שלך תמיד זהה ביחס לשבבים שהונחו.

כאשר עובדים בשוק, גודל הזכיות וההפסדים שלנו משתנה ללא הרף. לפעמים אנו משיגים רווחים גדולים, לפעמים זעירים. ההפסדים שלנו כפופים לאותו חוק - גודלם אקראי. ראלף גילה נוסחה הדומה לנוסחה של קלי וכונתה "אופטימלי F", אך בניגוד לנוסחה של קלי, ניתן להתאים אותה למסחר בשוק.

אופטימלי F (נוצר מהמילה "שבריר") - חלק הפיקדון בו יהיה לנו רווח מקסימאלי. מטבע הדברים, f האופטימלי - הערך אינו קבוע, וככל שהעסקות יושלמו, הערך ישתנה. כלומר, יש צורך לספר מחדש.

אם אתה מייצג באופן גרפי את השינוי בפיקדון הסופי (TWR) לעומת אחוז השימוש בכספים (F), התלות תואר על ידי העקומה:

כפי שאתה יכול לראות, כששקיע מעט מדי מההפקדה, יהיה לנו רווח קטן. אם הסיכונים יגדלו, ערך ההפקדה הסופית יגדל גם עד לנקודה מסוימת. עם עלייה נוספת בסיכונים, ההפקדה הסופית תחל לרדת. הרגע הזה שבו צמיחת הפיקדון היא מקסימאלית, פשוט תואמת את f האופטימלי. לפיכך, זה די הגיוני להניח שהפתרון האופטימלי לסוחר יהיה להשתמש בכל עסקה באחוז כזה של הפיקדון, שיהיה בנקודת הקצה התחתון של עקומה זו.

ובכן, בואו ניצור מערכת מסחר אקראית למחקר שלנו.

האינדיקטורים הסטטיסטיים העיקריים של המערכת הם כדלקמן:

בעת יצירת ה- TS השתמשתי במחולל המספרים האקראיים להפצה רגילה:

הציפייה המתמטית של מערכת המסחר שלנו יצאה קצת יותר מ -1, וסטיית התקן של בערך 4, שהיא די מתאימה למטרותינו.

כעת אנו מציגים מערכת לניהול כסף - בכל עסקה נסכן אחוז מסוים מההון שלנו (במקרה זה 3%):

כל שנותר לנו לעשות הוא למצוא אחוז כזה של סיכון בו היתרה הסופית שלנו תהיה מקסימאלית. לשם כך אנו, כרגיל, יכולים להשתמש בפונקציונליות חיפוש הפתרונות המובנית ב- Excel שמצאה את הערך האופטימלי של 20%:

לצורך החישוב, הם בדרך כלל לא משתמשים בכמות ההון הסופי, אלא ב- TWR. זהו אינדיקטור המאפיין את ההון הסופי היחסי, או יותר פשוט, את העובדה כמה פעמים הגדלנו את ההפקדה הראשונית שלנו. ובדוגמא זו ה- TWR המקסימלי היה 8159238.337 עם סיכון של 20%. במילים אחרות, ה- f האופטימלי במיוחד עבור מערכת נתונה הוא 0.2.

כפי שראית בתרשים ממש בהתחלה, ה- f האופטימלי הוא, למעשה, קיצון, שמעליו ומתחתיו ישנם כבר ערכי TWR לא אופטימליים:

הגרף מראה כי ה- F האופטימלי למערכת שלנו הוא סיכון של 0.2 או 20% לסחר. יתרה מזאת, אם נשכב את הסיכון של 21%, הדבר ייתן את התוצאה הסופית כאילו הסכנו 18%. יתר על כן, אם נוסיף ממש עוד אחוז ונסכן 22%, החשבון יתמזג.

חישוב ה- f האופטימלי

הבה נעבור ביתר פירוט על חישוב ה- f האופטימלי. כדי לחשב את ה- f האופטימלי, תחילה עליך לחשב את הרווח לתקופה מסוימת - HPR.

HPR = 1 + f * (- עסקה / הפסד הגדול ביותר), שם:

ו - סיכון בכל עסקה;

עסקה - רווח או הפסד בעסקה מסוימת (במקרה של הפסד הביטוי בסוגריים יתברר כשלילי, כמו גם הערך הסופי);

ההפסד הגדול ביותר - ההפסד הגדול ביותר למסחר (מספר שלילי).

ואז TWR מחושב כמוצר של כל HPRs, כלומר:

TWR = HPR1 * HPR2 * .... * HPRn, כאשר n הוא העסקה האחרונה במדגם שלך.

ובכן, בסופו של דבר, אנו מחשבים את הממוצע הגיאומטרי HPR (G), המחושב כשורש של תואר n מ- TWR: G = TWR ^ (1 / n), כאשר n הוא המספר הכולל של עסקאות.

ידועים כל הפרמטרים לחישוב, למעט הערך f. המשימה שלך היא לעבור דרך f מ- 0.01 ל- 1 בצורה שתמצא את ה- G. המרבי. יתר על כן, f, כאשר G הוא המקסימלי, יהיה f האופטימלי.

סכנה של f אופטימלי

האופטימיות f טומנת בחובה סכנה גדולה. בטח שמתם לב שבדוגמא שלנו, ה- f האופטימלי היה 20 ובאותו הזמן, בסיכון של 22%, אנחנו פשוט ממזגים הכל נקי. סטייה של 10% בלבד מהערך האופטימלי מביאה לתוצאות קטלניות עבור חשבונך.

אך העובדה היא שכאשר אנו דנים ב- TWR, אנו מאפשרים שימוש במגרשים חלקיים. לדוגמה, אתה יכול לסחור ב 5,4789 מגרשים, אם זה מה שנדרש בכל רגע. חישוב TWR מאפשר מגרשים חלקיים, כך שערכו תמיד זהה עבור קבוצה נתונה של תוצאות מסחר, ללא קשר לרצף שלהם. אתם עשויים לפקפק בנכונות הגישה הזו, מכיוון שבמסחר אמיתי זה בלתי אפשרי. בחיים האמיתיים אתה לא יכול לסחור במגרשים חלקיים כאלה. טענה זו נכונה. אבל אם אנו משתמשים רק בערכים העגולים של המגרשים לצורך חישוב, החישוב עצמו יהפוך לא נכון. במקרה זה, ככל שאתה קרוב ל- f האופטימלי, כך ייטב. ומצד שני, לאחר שפספסתם קצת, תוכלו למזג את הציון שלכם.

ברור שככל שהיוון של החשבון גדול יותר, כך תוכל לדייק יותר את ה- f האופטימלי, מכיוון שהסכום בדולרים הדרושים למגרש אחד יהיה אחוז קטן יותר מהיתרה הכוללת.

אנשי מקצוע רבים משתמשים במניה קבועה בעת סחר, אך מניה זו מעולם לא הייתה קרובה לגובה כמו f האופטימלי. העובדה היא שראלף וינס, ללא ספק, הוא מקצוען בתחומו ותאורטיקן מצוין. אבל פרט אחד מעצבן מאוד. העובדה היא שלא משנה כיצד ננסה לחזות את גודל העסקה המקסימלית ללא רווחיות, תמיד יש סיכוי ניכר שבעתיד ניתן לחרוג מערך זה. אנו יכולים לחזות פחות או יותר ערכים ממוצעים כמו ציפייה מתמטית או סחר רווחי ממוצע, בתנאי שיש מספיק נתונים סטטיסטיים. אבל העסקה הכי לא רווחית, הכי משתלמת, ההסכמה המרבית - כל אלה הם ערכים חזויים למדי. זו הסיבה שה- f האופטימלי אינו כל כך משימוש, מכיוון שטעית קטנה בעסקה המקסימלית הזו של אובדן הפסדים, אנו נעשה טעות ב- f האופטימלי. לאחר שטעינו ב- f האופטימלי של אחוז או שניים בלבד, אנו מקבלים שיחת שוליים.

ובכל זאת, לא ניתן לומר שהנוסחה הזו חסרת תועלת לחלוטין. יתר על כן, בחלק מהמקרים המיוחדים, למשל לאופציות בינאריות או למערכות עם עצירות ורווחים קשים (אם כי מערכות כאלה, לדעתי, אינן אופטימליות בפני עצמן), זה מדויק. לכן, אם אתה יודע בדיוק את ההפסד המרבי שלך, שיטה זו של ניהול כסף היא די מתאימה לך.

בואו נבדוק את הנקודה שלי - ניצור עוד 1000 עסקאות עם אותם מאפיינים - ערך ממוצע של 1 וסטיית תקן של 5. בכך נשתמש באותו f אופטימלי שווה ל 20%.

הוסף 1000 מבצעים:

ותראו מסחר באותו סיכון של 20%:

כפי שאתה יכול לראות, לא ניתן לקרוא לרמה זו של סיכון אופטימלי. הוא פשוט השתנה סתם.

נניח שהשבר האופטימלי ל -100 העסקאות הקודמות היה 15%, ב -100 העסקאות הבאות יתכן שמניה זו תהיה 9%. אם האחוז של 15% היה אופטימלי ל -100 העסקאות הקודמות והחלטת לבצע את 100 העסקאות הבאות עם אותו שבר, יתכן שאתה טועה ובקלות לעבור את הסכום בחשבון המסחר שלך.

יישום מעשי של אסטרטגיית השבר האופטימלי מייעל את עסקאות העבר. לפיכך, העסקה הבאה נופלת מייד ברצף, והמניה האופטימלית ממוטבת מחדש. וזה יהיה מותאם בסיום כל עסקה. כלומר, במסחר אמיתי, לאחר כל עסקה תצטרך לחשב מחדש את השבר האופטימלי.

בנוסף, הסחר בלתי צפוי לחלוטין, למרות כל האינדיקטורים שניתן לחשב על בסיס נתונים סטטיסטיים זמינים. בעזרת ההיגיון, אנו יכולים רק להסיק מסקנות מסוימות לגבי ציפיות והסתברויות סבירות. שום ביטוי מתמטי לא יכול להבטיח לנו שמספר ה- N של עסקאות, 50% יהיו רווחיים והשאר 50% יביאו הפסדים. אסטרטגיות מסחר נוצרות על בסיס היגיון ובמידה רבה סטטיסטיקות שוק. התנהגות השוק משתנה. מה שנראה מועיל אתמול יכול להיות מסוכן היום.

עדיין קיימות מאות סיבות אחרות והגיוניות למדי, מדוע שיטת השבר האופטימאלית מושלמת מבחינה מתמטית, אך היא מסתמנת כמסוכנת למדי ביישומים מעשיים. עם זאת, כמה נקודות שניתחתי לעיל מראות שאין הגיון להמשיך ולדון בנושא זה עוד יותר. סיכון כשלעצמו הוא טיעון חזק מספיק כנגד שימוש בשיטת השבר המיטבית. אם אתה חושב שאתה מסוגל להתמודד עם הסיכון, וודא שאתה מבין שיטה זו היטב לפני שאתה מיישם אותה בתרגול המסחר שלך.

אז הבעיה העיקרית של השבר האופטימלי, כפי שכבר הבנתם, היא הכריכה שלה לסחר המפסיד המקסימלי. במקרה של שימוש בהפסדי עצירה קשה זה לא מפחיד, אך כאשר היציאות מעסקאות באזור הבלתי רווחי מבוססות בעיקר על אותות מהשוק, ה- f האופטימלי הופך לא אופטימלי ומוערך יתר על המידה, המאיים לנקז את הפיקדון או לגרום להפסדים חמורים.

נניח שאירוע התרחש במהלך יום המסחר שגרם לזעזוע בשוק ולפני אותו הלם, התנודתיות הייתה די נמוכה. כמובן שבתנאים כאלה, ה- f האופטימלי שלך יהיה גבוה מאוד וסביר מאוד להיכנס לשוק ביום האומלל ביותר הזה עם סיכון של שלושים אחוז, מה שיוביל להפסד כולל של 50%.

מסיבות המפורטות לעיל הם משתמשים בשינויים שונים בשיטת ה- f האופטימאלית, עתה נתוודע.

שבר אופטימלי מדולל

על מנת להימנע מניקוז פיקדון עם סטייה קלה הוצע שיטה לדליל f אופטימלי. למעשה, ה- f האופטימלי המדולל הוא אחוז מה- f האופטימלי. טכניקה זו משמשת, ראשית, כך שכתוצאה מאופטימיזציה על נתונים היסטוריים, כמות ההון האופטימאלית אינה מוגזמת יתר על המידה, ושנית, כך שהסוחר יכול לווסת את הסיכון שלו (כמות ההון המשמשת במסחר) בעת השימוש במיטב ו.

נוסחת החישוב מאוד פשוטה:

מדולל אופטימלי f = אופטימלי f * X, כאשר X הוא אחוז ה- f האופטימלי שבחרת

אתה יכול, למשל, להגדיר X = 0.5 ולהיות בטוח שמחצית מה- f האופטימלי המחושב על ההיסטוריה לא סביר שאי פעם יעלה על ה- f האופטימלי האמיתי בעתיד.

החסרונות כאן זהים לזה של ה- f האופטימלי, אך ההסתברות לבחון מחדש את הסיכון, שיכולה לגרום לניקוז, נמוכה משמעותית במקרה זה.

סיעה בטוחה

סיעה בטוחה (Secure f) היא חלק מההון הכרוך בכל עסקה תוך הגבלת היקף משימות ומקסום הרווחים. לשבר בטוח יש יתרונות מסוימים על פני שבר אופטימלי, מכיוון שהוא אינו מסתמך על האובדן המקסימלי, אלא על גורמים אחרים אחרים. האסטרטגיה דומה לטכניקת ה- f האופטימאלית, כאשר ההבדל היחיד הוא שכאשר אתה משתמש ב- f האופטימלי, האסטרטגיה שלך מותאמת לרווח תוך התחשבות בתפריט המרבי לתקופת החישוב של נתונים היסטוריים, וכשאתה משתמש ב- f בטוח אתה עצמך מגביל את הנסיגה הזו.

החישוב הוא גם די פשוט. במקום המסחר המפסיד המרבי, אנו פשוט משתמשים בתמורה המרבית במטבע. העבודה עם שיטת השברים הבטוחים פחות מסוכנת משימוש בשבר האופטימלי, אך צמיחת ההון תהיה איטית בהרבה, במיוחד על פיקדונות קטנים.

מסקנה

היום נפגשנו עם שיטות כאלה לניהול כסף כמו השבר האופטימלי והבטוח. מבחינת ההיגיון והמתמטיקה, שתי שיטות חישוב הסיכון הללו נראות אטרקטיביות מאוד. עם זאת, כפי שראינו היום, לשיטות הללו חסרונות. מספר לא מבוטל של סוחרים בשוק הפורקסים סבורים כי יש צורך להסתכן במקסימום ולכוון את מאמציהם בדיוק לצמיחת הפיקדון המרבית. במילים אחרות, יש מספר גדול מאוד של מה שמכונה "מאיצי הפיקדון". ועבורם, שיטות כאלה לניהול כספים כמו השבר האופטימלי וקריטריון קלי עשויות להראות כמו פיתרון מצוין.

לאותם סוחרים שגם הם אינם עומדים בסיכון גבוה, אך אינם אוהבים לאבד פיקדונות לעתים קרובות מדי, אוכל להמליץ ​​על שימוש בשבריר קל יותר או בשבריר אופטימלי מדולל, מה שיבטל את הסבירות להשתמש בסיכון רב מדי.

עזוב את ההערה שלך