Optymalny stosunek ryzyka do zysku w matematyce forex
Bezpośrednia odpowiedź: co oznacza „optymalny”
W matematyce forex nie istnieje jeden uniwersalnie optymalny stosunek ryzyka do zysku (często zapisywany jako R:R), który gwarantuje lepsze wyniki. „Optymalny” najlepiej rozumieć matematycznie: wybrany R:R powinien maksymalizować oczekiwaną skuteczność w ramach jasno określonego modelu (na przykład zakładającego stałe prawdopodobieństwo wygranej i spójny sposób pomiaru zysków i strat). W tym modelu wyższa nagroda w stosunku do ryzyka może zrekompensować niższy wskaźnik wygranych—ale tylko wtedy, gdy założenia są dokładne, a pomiar odpowiada rzeczywistości.
Jak działa stosunek ryzyka do zysku
Stosunek ryzyka do zysku to wielkość planistyczna, która porównuje dwie odległości (lub kwoty) od poziomów wejścia do poziomów wyjścia.
-
Zdefiniuj stratę i zysk w tych samych jednostkach. W ujęciu matematycznym można je mierzyć jako „odległość cenową przeliczoną na wpływ na konto” (na przykład spójne określanie wielkości pozycji i wartość pipsa), aby były porównywalne.
-
Oblicz R:R.
- Ryzyko (Risk) = potencjalna wielkość straty, jeśli transakcja przesunie się do poziomu stop.
- Zysk (Reward) = potencjalna wielkość zysku, jeśli transakcja przesunie się do poziomu celu.
- Stosunek ryzyka do zysku = Zysk / Ryzyko.
- Powiąż R:R z wynikami poprzez wartość oczekiwaną. Jeśli modelujesz każdą transakcję jako wygraną (zysk) lub przegraną (stratę), to wartość oczekiwana na transakcję może być zapisana jako:
Wartość oczekiwana ∝ (prawdopodobieństwo wygranej)×(Zysk) − (prawdopodobieństwo przegranej)×(Ryzyko).
Ponieważ Zysk = (R:R)×Ryzyko, możesz wyrazić wartość oczekiwaną w kategoriach prawdopodobieństwa wygranej i wybranego R:R.
Przykładowa matematyka i niezależne kontrole
Typowym podejściem weryfikacyjnym jest rozwiązanie równania na prawdopodobieństwo wygranej na progu rentowności dla danego R:R.
- Niech p będzie prawdopodobieństwem wyniku wygrywającego.
- Niech (1 − p) będzie prawdopodobieństwem wyniku przegrywającego.
- Niech Zysk = (R:R)×Ryzyko.
Wtedy wartość oczekiwana jest proporcjonalna do:
p×(R:R)×Ryzyko − (1 − p)×Ryzyko.
Można wyciągnąć Ryzyko przed nawias (ponieważ jest dodatnie) i przyrównać wartość oczekiwaną do zera, aby znaleźć warunek progu rentowności:
p×(R:R) − (1 − p) = 0.
Rozwiązanie daje:
p = 1 / (1 + R:R).
Interpretacja: jeśli Twój rzeczywisty wskaźnik wygranych jest niższy niż to prawdopodobieństwo progu rentowności, zwiększenie R:R (bez zmiany niczego innego) nie naprawi matematyki. Jeśli Twój rzeczywisty wskaźnik wygranych jest wyższy, większy R:R może pomóc—ale tylko w odniesieniu do sposobu, w jaki szacowane jest prawdopodobieństwo.
Niezależne kontrole, aby uniknąć mylących wniosków:
- Potwierdź definicję wygranej/przegranej: ta sama logika wyjścia, ten sam czas i spójny pomiar.
- Uwzględnij koszty w pomiarze, jeśli Twój model ma przewidywać wyniki netto (na przykład spread i prowizje wpływają na rzeczywiste wielkości zysków i strat).
- Unikaj mieszania różnych warunków: jeśli prawdopodobieństwo wygranej zmienia się wraz z reżimem rynkowym, pojedynczy „optymalny” wskaźnik z jednej próbki może nie być aktualny.
Ograniczenia i ryzyka traktowania R:R jako „optymalnego”
Po pierwsze, prawdopodobieństwo wygranej i wielkości wyników są niepewne. Matematycznie „optymalny” wskaźnik jest tak samo wiarygodny, jak założenia stojące za p i definicje wypłat.
Po drugie, rzeczywiste wykonania różnią się od idealnych poziomów. Poślizg, częściowe wypełnienia, luki i odchylenia między zamierzonymi a zrealizowanymi cenami wyjścia mogą zmienić zarówno Ryzyko, jak i Zysk.
Po trzecie, zmiana R:R często pośrednio zmienia zachowanie. Na przykład dłuższe cele lub ciaśniejsze stopy mogą zmienić zestaw transakcji, które by wystąpiły, co zmienia prawdopodobieństwo wygranej i rozkład wyników.
Wreszcie, „optymalny” tutaj jest oparty na modelu, a nie predykcyjny. Nawet jeśli wskaźnik jest optymalny w uproszczonym modelu wartości oczekiwanej, nie oznacza to gwarantowanej przyszłej skuteczności, ponieważ prawdopodobieństwa i wypłaty nie są stałe.