كيف يمكن اختبار متوسط الربح والخسارة (Average Win Loss) بشكل مسؤول؟
عرّف متوسط الربح والخسارة كمفهوم قابل للقياس
متوسط الربح والخسارة (Average Win Loss) هو طريقة لتلخيص مدى كِبر “الربحات” عادةً مقارنةً بمدى كِبر “الخسائر” عادةً، باستخدام نتائج الصفقات التاريخية. في الاختبار الخلفي المسؤول، تبدأ بتحديد الكميات الدقيقة التي ستقيسها، لأن “الربح” و“الخسارة” يمكن حسابهما بطرق متعددة.
بنية شائعة هي:
- اختر قاعدة ثابتة لما يُعد نتيجة صفقة (على سبيل المثال، الربح/الخسارة النهائي لكل صفقة مكتملة).
- حوّل النتائج إلى وحدة قابلة للمقارنة (مثل ربح/خسارة حسابك بالعملة، أو مصطلحات حركة السعر).
- عرّف “صفقات الربح” على أنها الصفقات ذات نتيجة موجبة و“صفقات الخسارة” على أنها الصفقات ذات نتيجة سالبة (أو استخدم القيم المطلقة، لكن عندها اذكر ذلك بوضوح).
- احسب المتوسطات: متوسط حجم الربح (متوسط الربح) ومتوسط حجم الخسارة (متوسط الخسارة).
إذا استخدمت نسبة (على سبيل المثال، متوسط الربح مقسومًا على متوسط الخسارة)، فعرّف اصطلاح الإشارة. تأتي العديد من أخطاء الاختبار الخلفي من خلط متوسطات موقعة (signed) مع متوسطات مطلقة.
الآلية: المدخلات والافتراضات ودور التكاليف
يعتمد اختبار متوسط الربح والخسارة (Average Win Loss) بعناية على نموذج البيانات الذي تختاره. على الأقل، تحتاج إلى:
- قائمة مرتبة زمنيًا بسجلات الصفقات (أوقات الدخول/الخروج والنتيجة المحققة الناتجة).
- قاعدة للتعامل مع الحالات الحدّية (الإغلاقات الجزئية، صفقات التعادل، الإلغاءات، والصفقات التي لا تكتمل).
- افتراضات صريحة لواقعية التنفيذ.
المبدأ الأساسي “costs-features” هو: يجب أن تستند نتائجك التاريخية إلى نفس الافتراضات الاقتصادية التي تريد تقييمها. تشمل التكاليف والاحتكاكات عناصر مثل فروق الأسعار (spreads)، والعمولات، والانزلاق (slippage). حتى إذا لم تكن تعرف التكاليف المستقبلية بدقة، يمكنك إجراء اختبار مسؤول عبر:
- تخزين كل افتراض يُستخدم لتحويل حركة السعر إلى ربح/خسارة الصفقة.
- إجراء فحوص الحساسية (على سبيل المثال، تغيير الانزلاق المفترض أو مستويات التكلفة ضمن نطاق معقول) لمعرفة ما إذا كانت الخلاصة تعتمد على إعداد متفائل واحد.
دليل وحساب مثال (مع افتراضات)
افترض أن لديك مجموعة بيانات من الصفقات المكتملة. تقرر:
- تكون الصفقات رابحة عندما تكون P&L المحققة > 0.
- تكون الصفقات خاسرة عندما تكون P&L المحققة < 0.
- تستخدم متوسط P&L المحققة لكل مجموعة.
- يتم استبعاد صفقات التعادل من كلا المتوسطين (أو تضمينها كصفر—اذكر أيهما تستخدم).
مثال (للتوضيح فقط):
- متوسط الربح = (مجموع قيم P&L الموجبة) / (عدد صفقات الربح).
- متوسط الخسارة = (مجموع قيم P&L السالبة) / (عدد صفقات الخسارة). إذا أخذت لاحقًا “متوسط الخسارة المطلق”، فستستخدم المقدار.
للتحقق من الاختبار الخلفي، أعد حساب هذه القيم مباشرةً من قائمة P&L للصفقات المخزنة. إذا لم تتطابق متوسطاتك المحسوبة، فالمشكلة هي التعريف أو التعامل مع البيانات، وليس أداء السوق.
القيود وأنماط الفشل التي يجب أن تختبرها
متوسط الربح والخسارة (Average Win Loss) وصفي، وليس تنبؤيًا. يعامل الاختبار الخلفي المسؤول ذلك كملخص تاريخي قد تفشل استقراريته عندما تتغير ظروف السوق أو جودة التنفيذ أو توقيت اتخاذ القرار.
هناك على الأقل قيد جوهري واحد ضروري:
- تحول النظام (Regime shift): قد تُظهر الاستراتيجية علاقة معينة بين متوسطات الأرباح والخسائر في بيئة سوق واحدة، ثم تتغير لاحقًا.
- عدم تطابق التكاليف: إذا تجاهلت النتائج التاريخية فروق الأسعار/العمولات أو قللت من تقدير الانزلاق، فقد يتشوه مقارنة “متوسط الربح” مع “متوسط الخسارة”.
- تحيز الاختيار والتحيز بسبب البقاء (Selection and survivorship bias): إذا كانت مجموعة البيانات تحتوي فقط على الصفقات التي “نجت” من عملية مراجعة، أو إذا قمت بتصفية النتائج بشكل غير مقصود يرتبط بالربحية، فقد تكون المتوسطات منحازة.
- الملاءمة الزائدة للتعريفات: إن محاولة العديد من المتغيرات لما يُعد ربحًا/خسارة، أو التوقيت الذي تستخدمه لدخول/خروج الصفقات، أو طريقة قياس النتائج يمكن أن ينتج إحساسًا زائفًا بالمتانة.
ضوابط التحيز وفحوص خارج العينة
لتقليل هذه المخاطر، استخدم إجراءات تختبر ما إذا كانت العلاقة المقاسة تعمم:
- تعريفات ثابتة عبر الزمن: استخدم قاعدة ربح/خسارة واحدة، والتعامل مع التعادل، وحساب P&L نفسه في جميع الفترات.
- تقسيم قائم على الوقت: قدّر نهج القياس في فترة سابقة ثم قيّمه في فترة لاحقة لم تُستخدم لتحسين التعريفات.
- تقارير خارج العينة: قارن متوسط الربح ومتوسط الخسارة (وأي نسبة) بين داخل العينة وخارج العينة.
- تحليل الحساسية: أعد حساب المقاييس تحت افتراضات مختلفة ومعقولة للتكلفة/التنفيذ للتحقق مما إذا كانت الاستنتاجات تعتمد على سيناريو متفائل واحد.