Co początkujący powinni wiedzieć o statystykach wyników
Statystyki wyników: najpierw koncepcja
Statystyki wyników to podsumowania rezultatów w określonym okresie. Służą do opisania, jak dobrze wypadł zestaw transakcji lub konto, zwykle za pomocą mierników takich jak stopy zwrotu, drawdowny, zmienność, wskaźnik wygranych transakcji czy miary skorygowane o ryzyko. Ważną myślą dla początkującego jest to, że liczba „wyniku” nie jest tym samym co wyjaśnienie, co wydarzy się w przyszłości.
Ponieważ definicje są różne, warto traktować statystyki wyników jako język raportowania. Dwaj dostawcy mogą mówić „wyniki”, a jednak stosować różne czasy rozpoczęcia/zakończenia, różne zasady włączania (na przykład, które transakcje są liczone), różne podejście do kosztów oraz różne założenia dotyczące kapitalizacji lub reinwestycji.
Jak statystyki wyników działają w praktyce
Podstawowy schemat rozumienia dowolnego pulpitu wyników polega na rozdzieleniu trzech części: (1) danych wejściowych, (2) obliczeń oraz (3) interpretacji.
Dane wejściowe to dane i zasady grupowania. Mogą obejmować to, które transakcje są uwzględnione, strefę czasową, czy miernik jest obliczany na podstawie kapitału konta oraz czy uwzględnione są opłaty, finansowanie, poślizg lub spready.
Obliczenia to formuły zastosowane do danych wejściowych. Na przykład mierniki stopy zwrotu zazwyczaj wymagają jasnej definicji wartości początkowej i końcowej oraz tego, czy stopy zwrotu są mierzone przed czy po kosztach. Mierniki ryzyka zależą od ścieżki wyników, a nie tylko od końcowego rezultatu. Miary oparte na drawdownie wymagają na przykład ustalenia, jak identyfikowane są „szczyt” i „dołek” w czasie.
Interpretacja to miejsce, gdzie pojawia się wiele nieporozumień. Jeden miernik rzadko odpowiada na wszystkie pytania. Wysoka średnia stopa zwrotu może wiązać się z dużymi wahaniami; stabilnie wyglądająca seria może ukrywać rzadkie, ekstremalne straty; a miary „skorygowane o ryzyko” nadal opierają się na wybranej metodzie i założeniach.
Przykład dowodowy (z jawnymi założeniami)
Wyobraź sobie okres z dwoma kontami, A i B, mierzony w tych samych datach przy użyciu tej samej definicji krzywej kapitału. Załóżmy, że A ma umiarkowaną całkowitą stopę zwrotu, ale częste małe drawdowny, podczas gdy B ma wyższą całkowitą stopę zwrotu, ale sporadyczne głębokie drawdowny. Jeśli porównasz tylko całkowitą stopę zwrotu, możesz nie docenić ekspozycji na ryzyko wynikającej z zachowania drawdownów B. Jeśli porównasz tylko wskaźnik wygranych transakcji, możesz przeoczyć, że wskaźnik ten ignoruje rozkład wielkości strat i zysków. Dlatego początkujący powinien sprawdzić, czy wiele mierników jest spójnych z historią opowiedzianą przez krzywą kapitału.
W tym przykładzie kluczowym założeniem jest to, że oba konta stosują porównywalne zasady włączania danych i traktowania kosztów. Bez tego nawet identycznie wyglądające liczby mogą oznaczać co innego.
Ograniczenia i tryby awarii (co może pójść nie tak)
Statystyki wyników mają istotne ograniczenia, które mogą prowadzić do mylących wniosków.
-
Zmiana reżimu rynkowego: historyczne zależności często zawodzą, gdy zmieniają się zmienność, płynność lub dynamika cen. Miernik, który wyglądał stabilnie w jednym okresie, może później zachowywać się inaczej.
-
Różnice w raportowaniu i pomiarze: platformy mogą stosować różne podejście do opłat, różne zasady włączania transakcji lub różne okna obliczeniowe. To sprawia, że porównania między dostawcami są niewiarygodne bez dopasowania definicji.
-
Efekty przetrwania i selekcji: jeśli statystyki opierają się na kontach, które działały wystarczająco długo, aby zostać pokazane, słabsze historie mogą zostać wykluczone. Nawet jeśli dane są dokładne, sam zbiór danych może być obciążony.
-
Wybiórczy dobór i okna czasowe: zmiana okna czasowego może poprawić lub pogorszyć mierniki wyników. Początkujący powinni szukać przejrzystości co do dokładnego okresu i tego, czy testowano wiele okresów.
-
Nadmierne dopasowanie do mierników: system dostrojony do optymalizacji jednego miernika może pogorszyć inne ważne cechy ryzyka. Na przykład optymalizacja samej zmienności może nadal pozwalać na rzadkie zdarzenia ogonowe.
Praktycznym ograniczeniem jest niepewność: bez udokumentowanej metodologii nie można mieć pewności, jakie założenia zostały użyte. Nawet przy dokumentacji należy spodziewać się zmienności wynikającej z jakości wykonania i kosztów.
Weryfikacja i kolejne pytanie
Aby niezależnie zweryfikować statystyki wyników, skup się na spójności: używaj tego samego okna czasowego, tej samej definicji stóp zwrotu (opartej na kapitale vs. opartej na transakcjach) i tego samego traktowania kosztów przy porównywaniu raportowanych liczb. Jeśli metodologia nie jest jasno opisana, traktuj pulpit jako opisowe podsumowanie, a nie wiarygodną podstawę oczekiwań.
Pomocne kolejne pytanie brzmi: „Które dane wejściowe i założenia decydują o każdym mierniku?” Jeśli potrafisz przypisać każdą liczbę do jej danych wejściowych obliczeń, możesz lepiej wyjaśnić, co oznaczają statystyki, co pomijają i dlaczego mogą nie mieć zastosowania ogólnego.