Zaawansowane zagadnienia dotyczące progu rentowności wskaźnika wygranych (BEWR) w handlu i testowaniu

Bezpośrednia odpowiedź: co oznacza „próg rentowności wskaźnika wygranych”

Próg rentowności wskaźnika wygranych (BEWR) to prawdopodobieństwo wygranej, jakie system musiałby osiągnąć, aby średni wynik wyniósł zero, po uwzględnieniu kosztów, przy określonej definicji tego, co liczy się jako wygrana lub przegrana. Innymi słowy, BEWR łączy trzy zmienne elementy: (1) ile zazwyczaj zarabiasz, gdy wygrywasz, (2) ile zazwyczaj tracisz, gdy przegrywasz, oraz (3) ile zazwyczaj płacisz za każdą transakcję (na przykład koszty transakcyjne i efekty wykonania zleceń).

Ponieważ BEWR jest progiem zależnym od założeń, nie jest uniwersalną stałą. Jeśli zmienią się struktura zysków i strat, model kosztów lub definicje wyników transakcji, zmieni się również próg rentowności wskaźnika wygranych.

Mechanika: prosty model stojący za BEWR

Częstym punktem wyjścia jest uproszczony model dwuwynikowy.

Zdefiniuj wartości zysków i strat

Załóżmy, że każda transakcja kończy się albo:

• Wygraną z zyskiem +W (netto, po uwzględnieniu wszelkich kosztów zawartych w definicji wygranej).
• Przegraną ze stratą −L (netto, po uwzględnieniu wszelkich kosztów zawartych w definicji przegranej).

Załóżmy, że wygrane występują z prawdopodobieństwem p, a przegrane z prawdopodobieństwem (1 − p).

Wartość oczekiwana równa zero w punkcie progu rentowności

Wartość oczekiwana na transakcję wynosi:

• EV = p·W + (1 − p)·(−L)
• EV = p·W − (1 − p)·L

Przyrównaj EV = 0 i rozwiąż równanie względem p:

• p = L / (W + L)

To p jest progiem rentowności wskaźnika wygranych przy założeniach modelu.

Przelicz „stosunek ryzyka do zysku” na BEWR

Jeśli wyrazisz typowe wielkości wygranych i przegranych względem straty, na przykład przyjmując W = R·L, gdzie R to „stosunek zysku do straty”, wtedy:

• BEWR = 1 / (R + 1)

Zatem wyższy stosunek zysku do straty (większe wygrane w stosunku do przegranych) obniża próg BEWR; większe straty w stosunku do wygranych podnoszą go.

Co muszą oznaczać „wygrana” i „przegrana”

BEWR jest wrażliwy na Twoje definicje operacyjne:

• Jeśli definiujesz wygrane jako osiągnięcie celu przed zatrzymaniem (stop loss), wtedy W i L zależą od geometrii celu i stopu.
• Jeśli definiujesz wygrane na podstawie wycen na koniec dnia, wyjść kroczących (trailing), częściowych realizacji lub wyjść czasowych, W i L mogą się znacznie różnić.

W praktyce testowania definicja wygranej/przegranej jest często ukrytym czynnikiem zmian BEWR.

Dowody lub przykład: dlaczego BEWR może wyglądać na stabilny, a w rzeczywistości zawieść

Oto typowe sytuacje, w których obliczenia BEWR wydają się proste, ale stają się zawodne, ponieważ rzeczywisty rozkład wyników nie odpowiada uproszczonemu modelowi.

Przykład (z jawnymi założeniami)

Załóżmy, że test wykorzystuje stałą strukturę celu i stopu oraz zakłada stałe wyniki netto:

• Wielkość zysku z wygranej (netto): W
• Wielkość straty z przegranej (netto): L

Przy tych założeniach BEWR wynosi L/(W+L).

Teraz zmień tylko jeden element: koszty.

• Jeśli spread, prowizje lub poślizg wykonania są większe w przypadku wygranych niż przegranych (lub po prostu większe niż uwzględnione), wtedy zmieniają się netto W i/lub netto L.
• Jeśli błędnie obliczysz BEWR przy użyciu wartości przed kosztami, rzeczywisty BEWR potrzebny do zerowej wartości oczekiwanej będzie wyższy.

To ilustruje kluczową zależność: BEWR należy obliczać przy użyciu tych samych wartości „netto” wyników, które faktycznie generuje Twój backtest lub model wykonania.

Przypadek skrajny: asymetryczny rozkład zysków i strat

Model dwuwynikowy zakłada stałą wielkość wygranych i stałą wielkość przegranych. Wiele systemów transakcyjnych narusza to założenie.

• Wygrane mogą skupiać się wokół małych zysków, podczas gdy sporadyczne duże wygrane występują rzadko.
• Straty mogą wykazywać grube ogony (rzadkie ekstremalne straty).

Nawet jeśli średnie wielkości wygranych i przegranych wydają się pasować, czas, zależność ścieżkowa i zachowanie ogonów rozkładu mogą zmienić zrealizowaną wartość oczekiwaną po uwzględnieniu kosztów i ograniczeń wykonania.

Przypadek skrajny: wyjścia „na progu rentowności” i wyniki częściowe

W niektórych systemach transakcja może zakończyć się w stanie neutralnym lub prawie neutralnym, albo wyjścia mogą być częściowe. Wtedy efektywnie wprowadzasz trzeci wynik (lub ułamkowe zyski/straty). Jeśli nadal wymuszasz wynik tylko jako „wygrana” vs „przegrana”, próg BEWR staje się źle określony.

Przypadek skrajny: niestacjonarne warunki rynkowe

BEWR to wzór na próg przy danym modelu prawdopodobieństwa. Jeśli prawdopodobieństwa wygranych/przegranych zmieniają się w czasie z powodu zmian reżimu rynkowego (płynność, zmienność, ryzyko wydarzeń), wtedy obserwowany wskaźnik wygranych może już nie odpowiadać obliczonemu progowi rentowności.

Ograniczenia i ryzyka: co może unieważnić BEWR

1) Koszty i efekty wykonania są trudne do spójnego modelowania

BEWR jest tak dokładny, jak dokładne są wejściowe wartości zysków i strat netto. Szczegóły wykonania, takie jak poślizg, kolejkowanie, częściowe realizacje i timing, mogą systematycznie zmieniać zrealizowane W i L.

Typ błędu: obliczenie BEWR na podstawie jednego zestawu założeń kosztowych (na przykład idealne wypełnienia), a następnie zastosowanie go do innej rzeczywistości wykonania.

2) Sam wskaźnik wygranych może być mylący

Wiele osób skupia się na wskaźniku wygranych, ponieważ łatwo go policzyć. Ale wartość oczekiwana zależy zarówno od wskaźnika wygranych, jak i od wielkości wygranych i przegranych.

• Strategia może mieć wysoki wskaźnik wygranych, ale małe wygrane i sporadyczne duże straty.
• Może też mieć niski wskaźnik wygranych, ale duże wygrane, które rekompensują częstsze mniejsze straty.

Dlatego BEWR należy traktować jako zależność między prawdopodobieństwem wygranej a strukturą zysków i strat, a nie jako samodzielny „cel”.

3) Przeciążenie (overfitting) definicji wyników

Jeśli dostrajasz klasyfikację wygranych/przegranych, wielkości celów lub logikę stopów, aby BEWR wyglądał korzystnie na danych historycznych, możesz przypadkowo zakodować na stałe konfigurację testowania, a nie podstawowy proces.

Typ błędu: „wygrane” i „przegrane” z backtestu nie są odtwarzane w wykonaniu na żywo, ponieważ logika wyjścia lub model kosztów się różnią.

4) Efekty wielkości próby i reżimu rynkowego

Szacunki prawdopodobieństwa wygranej są niepewne, zwłaszcza przy ograniczonych rozmiarach próby.

• Małe próbki mogą powodować zmienność obserwowanego wskaźnika wygranych.
• Zmiany reżimu rynkowego mogą unieważnić założenie, że to samo prawdopodobieństwo będzie obowiązywać w przyszłości.

W takich przypadkach BEWR można nadal obliczyć, ale porównywanie go z zaszumionym obserwowanym wskaźnikiem wygranych nie daje wiarygodnej odpowiedzi na pytanie, czy system ma zerową wartość oczekiwaną poza próbą.

Weryfikacja i kolejne pytania: jak niezależnie sprawdzić BEWR

Aby zweryfikować BEWR w sposób możliwy do niezależnego sprawdzenia, zachowaj spójność procesu:

1. Użyj definicji wyniku netto. Oblicz W i L jako zrealizowane zyski i straty netto, spójne z Twoim modelem kosztów i założeniami wykonania. 2) Dopasuj klasyfikację wygranych i przegranych. Upewnij się, że te same zdarzenia liczone jako wygrane i przegrane w danych wejściowych BEWR są dokładnie tymi, które będziesz liczyć w ocenie. 3) Oblicz BEWR z dopasowanych danych wejściowych. Użyj prostej zależności p = L/(W+L) tylko wtedy, gdy Twój model wyników jest naprawdę dwuwartościowy (lub rozszerz go, jeśli masz wiele wyników).