Co oznacza Average Win Loss w Forex
Average Win Loss to prosta miara opisowa, która porównuje typowy rozmiar transakcji wygrywających z typowym rozmiarem transakcji przegrywających. W forex zwykle odpowiada na pytanie w rodzaju: „Gdy transakcje są wygrane, jak duże są wygrane średnio w porównaniu do przegranych średnio?”
Aby koncepcja była łatwa do sprawdzenia, musisz oddzielić pomiar od jakiejkolwiek interpretacji. Pomiar jest mechaniczny: wykorzystuje zarejestrowane wyniki transakcji. Interpretacja jest warunkowa: zależy od tego, jak definiujesz wygrane i straty, jak mierzysz wynik transakcji oraz jakiego okresu i zbioru danych używasz.
Kluczowe jest to, że „average win loss” nie jest tym samym co prognozowanie przyszłych wyników. Podsumowuje to, co już wydarzyło się w wybranej próbce. Historyczne zależności mogą słabnąć, gdy zmieniają się warunki rynkowe, jakość realizacji lub koszty handlu.
Prosty model do obliczenia
Praktyczny sposób zdefiniowania tej miary polega na policzeniu dwóch średnich z listy transakcji:
- Average Win (AW): średni wynik wśród wszystkich transakcji wygrywających.
- Average Loss (AL): średni wynik wśród wszystkich transakcji przegrywających.
Następnie Average Win Loss jest często wyrażane jako jedna z poniższych relacji (różni autorzy używają różnych formatów):
- AW/|AL|: średnia wygrana podzielona przez wartość bezwzględną średniej straty.
- AL/AW lub AW−AL: rzadziej spotykane, ale czasem używane, zależnie od tego, czy celem jest porównanie, czy różnica.
Ponieważ definicje się różnią, najważniejszym „wejściem” jest twoja dokładna reguła do obliczania kwot wygranej i straty.
Zdefiniuj, co oznacza „wynik”
Dla każdej transakcji musisz zdecydować, jaką liczbę nazywasz wynikiem. Typowe wybory obejmują:
- Zysk/strata netto po kosztach (preferowane dla realizmu, gdy masz wiarygodne dane o kosztach).
- Zysk/strata brutto przed kosztami (może zawyżać wyniki, gdy znaczenie mają spready lub prowizje).
- Ruch w pipach vs. wartość w walucie konta (pipy nie zawsze są porównywalne między różnymi rozmiarami pozycji).
Cokolwiek wybierzesz, stosuj tę samą podstawę dla każdej transakcji w próbce.
Użyj spójnej konwencji znaku
Transakcje wygrywające są zwykle zapisywane jako dodatnie wyniki, a przegrywające jako ujemne. Gdy obliczasz AL, często bierzesz średnią z ujemnych liczb, a następnie używasz wartości bezwzględnej później (|AL|), aby relacja typu AW/|AL| pozostawała czytelna.
Założenia dla przykładów
Aby każdy przykład był weryfikowalny, musisz podać założenia, takie jak:
- Czy koszty są uwzględniane.
- Czy częściowe zamknięcia są traktowane jako osobne transakcje, czy jako część jednego wyniku.
- Czy wykluczasz transakcje na zero (break-even) lub zachowujesz je w zbiorach wygranych/strat.
Jeśli nie podasz tych informacji, dwie osoby mogą policzyć „average win loss” i uzyskać różne odpowiedzi z tego samego surowego dziennika transakcji.
Wejścia, wyjścia i sekwencja do obliczenia
Poniżej znajduje się sprawdzalna sekwencja, która nie zakłada żadnej konkretnej platformy ani wskaźnika.
Wejścia
Potrzebujesz zbioru danych z zakończonymi transakcjami, gdzie każda transakcja ma co najmniej:
- Wartość wyniku transakcji (w spójnych jednostkach).
- Etykietę wygranej vs. straty na podstawie twojej reguły (np. wynik > 0 to wygrana; wynik < 0 to strata).
- Opcjonalnie, ale pomocne: rozmiar transakcji lub podstawę, której użyłeś do obliczenia zysku/straty.
Krok po kroku: generowanie wyniku
- Wybierz przedział czasu i uwzględnij tylko zakończone transakcje z tego okresu.
- Podziel transakcje na dwie grupy:
- Wygrane: wyniki powyżej zera (zgodnie z twoją definicją).
- Straty: wyniki poniżej zera.
- Oblicz AW jako średnią arytmetyczną wyników wygranych.
- Oblicz AL jako średnią arytmetyczną wyników strat.
- Oblicz Average Win Loss jako wybraną miarę porównawczą, najczęściej AW/|AL|.
Co oznacza ta liczba
Jeśli AW/|AL| jest większe niż 1, oznacza to, że średnie transakcje wygrywające są większe pod względem wartości bezwzględnej niż średnie transakcje przegrywające (zgodnie z twoją regułą pomiaru). Jeśli jest mniejsze niż 1, średnie straty są większe pod względem wartości bezwzględnej niż średnie wygrane.
To samo w sobie nie wskazuje „dobre” ani „złe”. Strategia może mieć mniejsze średnie wygrane niż średnie straty, a mimo to osiągać dodatnie wyniki netto, jeśli współczynnik wygranych jest wystarczająco wysoki albo jeśli straty są kontrolowane gdzie indziej. Average win loss jest tylko jedną częścią szerszego obrazu.
Dowód na przykładzie (z jawnymi założeniami)
Załóżmy, że zbiór danych zawiera 10 zakończonych transakcji i mierzysz wynik każdej transakcji jako zysk/stratę netto w walucie konta, po spreadach i prowizjach. Załóżmy też:
- Wygrane to transakcje z wynikiem > 0.
- Straty to transakcje z wynikiem < 0.
- Wyniki równe zero (jeśli występują) są wykluczone z obu średnich.
Załóżmy, że pięć wyników wygranych to: 6, 4, 8, 5, 7 (w walucie konta).
- AW = (6+4+8+5+7)/5 = 30/5 = 6.
Załóżmy, że pięć wyników przegranych to: -3, -4, -2, -5, -4.
- AL = (-3-4-2-5-4)/5 = -18/5 = -3.6.
Wtedy AW/|AL| = 6 / 3.6 = 1.67.
Ta wartość oznacza: średnio wygrane są około 1.67 razy większe pod względem wartości bezwzględnej niż straty, przy użyciu podanej definicji wyniku netto. Druga osoba, która policzy tę samą miarę przy innych założeniach—np. wynikach brutto przed kosztami, innym uwzględnieniu transakcji break-even albo wynikach opartych o pipy przy różnych rozmiarach pozycji—może uzyskać inny rezultat nawet na podstawie tych samych, bazowych transakcji.
Dlatego obliczenie jest „mechaniką”, a interpretacja zależy od założeń.
Ograniczenia i częste tryby niepowodzenia
Average win loss jest przydatne do opisu kształtu historycznych wyników, ale ma istotne ograniczenia.
1) Liczebność próby i niestabilność
Przy niewielkiej liczbie transakcji AW i AL mogą mocno się wahać z powodu losowych różnic. Miara może wyglądać stabilnie w jednym okresie i zmienić się znacząco w innym.
2) Zmieniające się koszty i realizacja
Jeśli spready, prowizje lub jakość realizacji różnią się w czasie, a ty używasz wyników netto lub brutto niespójnie, miara może odzwierciedlać różnice kosztów zamiast zachowania transakcji.
3) Błąd selekcji w tym, co uwzględniasz
Jeśli wykluczasz niektóre transakcje (na przykład te realizowane w nietypowych warunkach) albo jeśli rejestrujesz tylko transakcje, które „pasują” do danej reguły, średnie mogą nie reprezentować wszystkich wyników.
4) Mieszane modele ryzyka
Jeśli rozmiar pozycji lub zasady ryzyka zmieniają się między transakcjami, to „średnie” wyniki mogą mieszać różne poziomy ekspozycji. Wtedy miara może odzwierciedlać zmiany w doborze rozmiaru bardziej niż zmiany w jakości decyzji.
5) „Średnia” może ukrywać rozkład
Dwa zbiory danych mogą mieć ten sam stosunek AW/|AL|, ale bardzo różne rozkłady wyników (na przykład sporadyczne duże straty vs.