Risposta diretta
Adeguare un guadagno/perdita forex non adeguato significa convertire una cifra di profitto o perdita basata solo sul movimento di prezzo in una cifra più completa che rifletta anche altri effetti che modificano i risultati realizzati delle operazioni. Nel contesto di average win loss, in genere vuoi che i numeri di gain/loss che medi siano calcolati sulla stessa base per ogni operazione, così che la “dimensione della win” e la “dimensione della loss” rappresentino esiti confrontabili.
Poiché il termine “unadjusted” può significare cose diverse nella pratica, il primo passo è definire cosa include il tuo importo “non adeguato” (di solito solo la variazione di prezzo). Poi applichi una regola di adeguamento coerente che tenga conto delle voci che influenzano il risultato netto, come i costi legati alle transazioni e gli effetti di esecuzione, in base ai dati che hai effettivamente.
Meccanismi: definisci gli input e l’adeguamento
-
Definisci “guadagno/perdita non adeguato” Un guadagno/perdita forex non adeguato è un importo di profitto/perdita calcolato solo dalla variazione di prezzo. Spesso deriva dai prezzi di entrata e uscita dell’operazione e (se usata) dalla dimensione scambiata. Esclude i costi a meno che tali costi non siano già incorporati nella serie di prezzi o nel tuo calcolo.
-
Decidi cosa dovrebbe includere “adeguato” Categorie comuni di voci che possono essere escluse dai numeri non adeguati includono:
- Costi di transazione (ad esempio spread o commissioni, a seconda di come modelli l’esecuzione)
- Costi di swap/rollover se il tuo dataset copre più giorni
- Qualsiasi altra differenza legata all’esecuzione tra il riempimento (fill) assunto e quello realizzato
Non devi conoscere l’approccio “migliore”; devi avere un approccio che corrisponda ai tuoi input di reporting.
- Applica un metodo di adeguamento coerente Usa la stessa logica di adeguamento per ogni operazione nel tuo campione. Un modo pratico per esprimerlo è:
- Guadagno/perdita adeguato = guadagno/perdita non adeguato + (adeguamenti netti)
“Net adjustments” è il totale di qualsiasi componente mancasse nel calcolo non adeguato, con i segni applicati in modo coerente (i costi riducono i risultati; addebiti/crediti influenzano i risultati in base alla loro direzione).
- Ricalcola average win e average loss Una volta adeguati gli esiti delle operazioni, calcola:
- Average win: media dei guadagni adeguati tra le operazioni classificate come win
- Average loss: media delle perdite adeguate tra le operazioni classificate come losses
Se la tua metrica average win loss separa anche “count” e “size”, mantieni la classificazione win/loss coerente con i numeri adeguati (ad esempio, un’operazione leggermente positiva non adeguata potrebbe diventare negativa dopo l’aggiunta dei costi).
Controlli di esempio: verifica l’adeguamento in modo indipendente
Puoi eseguire controlli di coerenza senza bisogno di previsioni:
- Controllo di riconciliazione: assicurati che la somma dei risultati adeguati tra le operazioni sia uguale alla somma dei risultati non adeguati più la somma dei tuoi adeguamenti netti.
- Controllo di sensibilità: se puoi, confronta le medie calcolate con e senza l’adeguamento; differenze grandi indicano che la base non adeguata mancava in modo sostanziale di componenti.
- Controllo di classificazione: verifica se qualche operazione cambia da win a loss (o viceversa) dopo l’adeguamento; questo può cambiare average win loss anche se il totale resta simile.
Questi controlli aiutano a confermare che l’adeguamento viene applicato in modo uniforme e che average win e average loss riflettono esiti netti comparabili.
Limiti e rischi rilevanti
- Rischio di ambiguità: “unadjusted” e “adjusted” non sono termini contabili universali. Due dataset possono usare convenzioni diverse, portando a medie diverse anche con la stessa descrizione del metodo. - Disponibilità dei dati: puoi adeguare solo usando le componenti che hai. Se ti mancano dettagli sui costi di transazione o sul rollover, qualsiasi “adeguamento” diventa un’assunzione invece di una correzione verificata. - Sensibilità temporale: se i costi o le condizioni di esecuzione sono cambiati durante il tuo campione, una singola regola di adeguamento potrebbe non riflettere la realtà per tutte le operazioni. - Nessuna garanzia di miglioramento: l’adeguamento rende le cifre più coerenti, ma non implica cambiamenti di performance futuri né che una media diventi “migliore.