اعتبارات متقدمة لمتوسط الربح والخسارة

تعريف وما يقيسه المعيار فعليًا

متوسط الربح والخسارة هو ملخص للأداء يقارن بين حجم النتائج الفائزة عادةً مع النتائج الخاسرة. في الممارسة العملية، عادةً ما يحسب من مجموعة من التداولات عن طريق أخذ متوسط حجم الربح ومتوسط حجم الخسارة، ثم التعبير عن العلاقة بينهما (عادةً على شكل نسبة أو فرق).

لأن “حجم الربح” و“حجم الخسارة” يمكن تعريفهما بطرق متعددة، فإن الاعتبار المتقدم ليس الصيغة وحدها، بل convention القياس. يمكن أن تنتج مجموعتان من البيانات قيمًا مختلفة لمتوسط الربح والخسارة حتى لو كانت النشاط التداولي الأساسي هو نفسه، ببساطة لأن مجموعة البيانات واحدة تقيس الربح والخسارة قبل التكاليف بينما الأخرى تشمل التكاليف.

نموذج بسيط، ذاتي الكافية، من أجل المناقشة:

• حدد كل نتيجة تداول على أنها نتيجة محققة (على سبيل المثال، في نقاط البيب، عملة الحساب، أو نسبة العائد).
• ضع علامة على التداول على أنه “ربح” إذا كانت نتيجة المحققة فوق عتبة محايدة (عادةً أكبر من الصفر، ولكن بعض الأنظمة تستخدم عتبة التعادل بعد التكاليف).
• ضع علامة على التداول على أنه “خسارة” إذا كانت نتيجة المحققة أقل من تلك العتبة.
• احسب AvgWin كمتوسط النتائج الفائزة.
• احسب AvgLoss كمتوسط النتائج الخاسرة (عادةً ما يتم الإبلاغ عنها على أنها عدد سلبي).
• اجمعهما في معيار واحد، مثل AvgWin / |AvgLoss|، لإجراء مقارنة بدون أبعاد.

إذا كنت تستخدم نسبة، حدد ما إذا كنت تريد علاج AvgLoss على أنه سلبي (وخذ القيمة المطلقة) أو حساب مقارنة معلمة. يمكن أن يكون أي منهما صالحًا، ولكن خلط conventions يمكن أن يجعل المقارنات غير موثوقة.

ميكانيكا الأساسية: المدخلات، الاتساق، وقيود التنفيذ

1) تعريف النتيجة (الخام مقابل الصافي)

اعتماد كبير هو ما إذا تم قياس النتائج قبل التكاليف المعاملة أو بعدها. يمكن أن تشمل تكاليف المعاملة الفارق، العمولات، والآثار الأخرى المتعلقة بالتنفيذ. إذا قمت بقياس الربح والخسارة قبل التكاليف، قد يبدو متوسط الربح والخسارة أقوى من قياس نفس التداولات الصافية.

لحفظ المعيار قابلاً للتحقق، اذكر افتراضك صراحة:

• افتراض مثال: تقيس كل نتيجة تداول محققة في عملة الحساب بعد جميع التكاليف الصريحة المعروفة عند إغلاق التداول.
• افتراض بديل: تقيس فقط حركة السعر الخام (نقاط البيب) دون دمج التكاليف.

Those assumptions lead to different “typical” wins and losses, especially when losses are more frequent in markets where execution costs are relatively large compared to typical move sizes.

2) علاج الإغلاق الجزئي والتعادل

تظهر حالات حافة عندما يتم إغلاق تداول جزئي أو عندما تكون النتيجة المحققة بالضبط صفرًا (أو تساوي عتبة التعادل التي اخترتها).

الاختيارات الشائعة تشمل:

• علاج إغلاق التعادل على أنه ربح أو خسارة ولا استبعاد من المتوسطين.
• علاجها على أنها ربح (إذا كنت تعرّف الربح على أنه >= عتبة) أو على أنها خسارة (إذا كنت تعرّف الخسارة على أنها <= عتبة).

كل اختيار يغير AvgWin و/أو AvgLoss. الاعتبار المتقدم هو تجنب “الاختيارات الصامتة” التي تختلف بين الاختبارات الخلفية، السجلات الحية، والجداول. حتى تغيير صغير في السياسة يمكن أن يغير المعيار بشكل كبير عندما تشمل مجموعة البيانات العديد من النتائج القريبة من التعادل.

3) العملة، التوسيع، والمقارنات

إذا قمت بحساب النتائج في نقاط البيب، فقد يكون لديك قيم نقاط بيب مختلفة عبر الأدوات؛ إذا قمت بحسابها في عملة الحساب، فقد يكون لديك تأثيرات الحجم والرهن. إذا قمت بحسابها في نسبة العائد، فقد تدرج تأثيرات التجميع وتغيرات أحجام التعرض.

للتحقق، قفل نظام وحدة واحد:

• إما استخدام نفس الوحدة لكل تداول (على سبيل المثال، ربح/خسارة محققة في عملة الحساب).
• أو، إذا كانت الأدوات مختلفة، قم بتطبيع بحيث يكون لكل نتيجة معنى متسق.

4) حساسية المعيار للقيود

لأن المتوسط هو متوسط، فإن متوسط الربح والخسارة حساس للقيم القصوى.

طريقة فشل:

• عدد صغير من الربح الكبير جدًا أو الخسارة الكبيرة جدًا يمكن أن يسيطر على المتوسط، مما يجعل “القيمة典型” أقل تمثيلاً.

طريقة عملية لفهم هذه الاعتماد دون مزاعم التنبؤ بالنتيجة هي التحقق من التوزيع نوعيًا أو حساب ملخصات بديلة (على سبيل المثال، الوسيط) alongside المتوسط. النقطة الرئيسية هي أن “المتوسط” ليس robust، وrobustness affects interpretation.

الأدلة من خلال الأمثلة وما يجب التحقق منه

مثال 1: نفس معدل الربح، متوسط الربح والخسارة مختلف

افترض أن لديك 10 تداولات.

• مجموعة البيانات A: 5 ربح متوسط +10 وحدات لكل؛ 5 خسائر متوسط −5 وحدات لكل.
  • AvgWin = 10، AvgLoss = −5، convention النسبة AvgWin/|AvgLoss| = 2.0
• مجموعة البيانات B: 5 ربح متوسط +10 وحدات لكل؛ 5 خسائر متوسط −2 وحدات لكل.
  • AvgWin = 10، AvgLoss = −2، النسبة = 5.0

حتى لو كان معدل الربح هو نفسه (50%)، فإن متوسط الربح والخسارة يختلف لأن حجم الخسارة يختلف.

تحقق متقدم:

• تأكد من أن تعريف نتيجة الربح/الخسارة متسق عبر المجموعتين من البيانات، بما في ذلك التكاليف والعتبات.

مثال 2: “متوسط الربح” يتغير بعد تضمين التكاليف

افترض 4 تداولات:

• تداولان رابحان لديهم حركات سعرية خام إيجابية صغيرة.
• تداولان خاسران لديهم حركات خام أكبر.

إذا تم تضمين تكاليف المعاملة فقط لبعض التداولات (أو تضمينها بشكل مختلف)، يمكن أن ينخفض AvgWin نحو الصفر أو حتى يعبر عتبة التعادل الخاصة بك، مما يغير التداولات التي يتم عدها كربح. يمكن أن يتحول AvgLoss أيضًا، ليس فقط في الحجم ولكن في العضوية.

تحقق متقدم:

• إعادة حساب المعيار تحت افتراض التكاليف المحدد وتأكيد أن العضوية (ربح مقابل خسارة) لا تتغير صامتًا.

مثال 3: AvgLoss صفر أو قريب من الصفر

إذا كان هناك عدد قليل جدًا من التداولات الخاسرة، أو إذا كانت الخسائر تتجمع بشكل وثيق بالقرب من عتبة التعادل، يمكن أن يصبح |AvgLoss| صغيرًا جدًا. في صيغة النسبة، يمكن أن يرفع متوسط الربح والخسارة بشكل كبير.

طريقة فشل:

• معيار يبدو “قويًا” قد يتم دفعه بواسطة ضجيج القياس بدلاً من علاقة مستقرة.

تحقق متقدم:

• الإبلاغ عن عدد الربح والخسارة alongside المعيار.
• علاج الحالات التي تحتوي على أحجام عينات خسارة صغيرة جدًا على أنها ثقة منخفضة في التفسير.

القيود والمخاطر (ما يمكن أن يذهب خطأ)

1) الاعتماد على نظام السوق وتجميع الوقت

متوسط الربح والخسارة ليس ثابتًا عالميًا. تختلف الظروف السوقية المختلفة في أحجام الحركات النموذجية، سلوك الاتجاه، التقلبات، وتوزيع نتائج التداول.

اعتبار متقدم مهم هو الموعد الزمني:

• المواعيد الزمنية الأقصر تميل إلى تضمين الكثير من الضجيج وقد تنتج العديد من النتائج القريبة من التعادل.
• المواعيد الزمنية الأطول يمكن أن تشمل تحولات النظام حيث تتغير العلاقة بين أحجام الربح والخسارة.

هذا يعني أن المعيار يمكن أن يتغير مع الوقت حتى لو كان “العملية” الأساسية غير متغير.

DOCUMENT END