Jakie są częste błędy przy Expectancy?

Bezpośrednia odpowiedź: częste błędy przy Expectancy

Expectancy (często nazywane „wartością oczekiwaną”) jest często błędnie rozumiane jako prognoza przyszłych wyników. Częstym błędem jest traktowanie obliczonej średniej tak, jakby gwarantowała wynik. Innym błędem jest używanie danych wejściowych (wskaźnika wygranych, średniej wygranej, średniej straty lub prawdopodobieństw), które są niespójne, nierealistyczne lub niekompletne. Nawet gdy expectancy jest obliczone poprawnie, ludzie często wyciągają zbyt mocne wnioski, ponieważ rynki, jakość wykonania zleceń i koszty mogą się zmienić po przyjęciu założeń.

Mechanizm lub definicja: czym jest Expectancy (a czym nie jest)

Expectancy opisuje średni długoterminowy wynik na próbę, przy danych założeniach. Koncepcyjnie łączy wyniki ważone ich prawdopodobieństwem. Typowe sformułowanie opiera się na:

• Prawdopodobieństwie „wygranej” (P(wygrana))
• Prawdopodobieństwie „straty” (P(strata))
• Średniej wielkości wygranej
• Średniej wielkości straty

Ważne: expectancy nie jest gwarancją pozytywnych wyników w następnej transakcji. Losowa zmienność może powodować serie odbiegające od średniej. Ponadto expectancy zależy od tego, jak definiujesz wyniki (na przykład, co liczy się jako wygrana, a co jako strata) oraz jak mierzysz średnią wygraną/stratę.

Dowód lub przykład: gdzie pojawiają się nieporozumienia

Przydatnym sposobem na wykrycie błędów jest przegląd danych wejściowych i założeń, a nie wniosków.

1. Mylenie „historycznego wskaźnika wygranych” z prawdopodobieństwem potrzebnym do obliczeń Jeśli szacujesz P(wygrana) na podstawie przeszłego okresu, zakładasz, że przyszłość będzie podobna do przeszłości. Historyczne zależności nie ustanawiają automatycznie przyszłych wyników.

2. Pomijanie kosztów i szczegółów wykonania zleceń Jeśli Twoje obliczenia wykorzystują surowe ruchy cen, ale Twój rzeczywisty wynik obejmuje spread, prowizje, poślizg lub opłaty, to średnia wygrana/strata nie jest taka sama, jak to, czego faktycznie doświadczasz. Może to znacząco zmienić expectancy.

3. Mieszanie niespójnych definicji wygranej/straty Przykładowe założenie, które musisz określić: „wygrana” oznacza, że transakcja zamyka się powyżej wejścia o co najmniej X, a „strata” oznacza, że zamyka się poniżej wejścia o co najmniej Y. Jeśli później obliczysz średnie przy użyciu innej reguły (lub niespójnie uwzględnisz częściowe wyjścia), Twoje obliczone expectancy nie będzie już odpowiadać wcześniejszej logice.

4. Używanie średniej, która ukrywa problemy z rozkładem Nawet przy dodatnim expectancy, duże straty mogą być rzadkie, ale dotkliwe, podczas gdy małe wygrane są częste. Ludzie czasami ignorują praktyczny wpływ zmienności, mimo że expectancy podsumowuje jedynie średnią.

Ograniczenia i ryzyka: co najmniej jeden istotny tryb awarii

Istotnym trybem awarii jest założenie stacjonarności: idea, że prawdopodobieństwo wygranej i charakterystyka wypłat pozostają stabilne. W praktyce warunki rynkowe mogą się zmieniać, zmienność może się przesuwać, a jakość wykonania zleceń może się różnić. Jeśli którekolwiek z podstawowych założeń się zmieni, expectancy obliczone na podstawie starszych danych może stać się mylące.

Kolejnym ograniczeniem jest wrażliwość na wielkość próbki. Przy małej lub obciążonej próbce szacunki wskaźnika wygranych i średniej wygranej/straty mogą być zaszumione. Gdy następnie obliczasz expectancy z zaszumionych danych wejściowych, wynik może wyglądać na precyzyjny, mimo że jest niepewny.

Weryfikacja lub następne pytanie: neutralne sprawdzenia, które możesz wykonać

Neutralnym sposobem weryfikacji pracy nad expectancy jest zastosowanie kontroli spójności:

• Czy obliczenia wykorzystują te same definicje wygranej/straty, co dane użyte do pomiaru średnich?
• Czy koszty i różnice w wykonaniu zleceń zostały uwzględnione w mierzonych wynikach?
• Czy prawdopodobieństwa są szacowane na podstawie okresu i warunków w miarę podobnych do okresu, który zamierzasz ocenić?
• Czy interpretujesz wynik jako średnią przy założeniach, a nie jako prognozę następnego wyniku?

Jeśli możesz jasno określić swoje założenia dotyczące prawdopodobieństwa i wypłat oraz aktualizować je, gdy warunki się zmieniają, zmniejszasz ryzyko częstych nieporozumień. Dla głębszego kontekstu możesz również sprawdzić ograniczenia specyficznie związane z expectancy, takie jak wpływ niepewności i zmieniających się założeń na znaczenie.