Co oznacza oczekiwana wartość (Expectancy) i jak ująć ją w modelu możliwym do sprawdzenia
Oczekiwana wartość to jedno liczbowe ujęcie służące do opisu średniego wyniku procesu decyzyjnego na jedną okazję (na przykład na transakcję, na sygnał albo na każdą chwilę, gdy reguła jest stosowana). W najprostszej postaci oczekiwana wartość traktuje każdy wynik jako albo „wygraną”, albo „przegraną” i łączy:
- Współczynnik wygranych (prawdopodobieństwo wygranej)
- Średni rozmiar wygranej (ile zyskujesz, gdy wygrywasz)
- Współczynnik przegranych (prawdopodobieństwo przegranej)
- Średni rozmiar przegranej (ile tracisz, gdy przegrywasz)
Typowy model koncepcyjny to:
Oczekiwana wartość = (Prawdopodobieństwo wygranej × Średnia wygrana) + (Prawdopodobieństwo przegranej × Średnia przegrana)
Aby ten model był naprawdę weryfikowalny, pojęcia muszą być zdefiniowane w taki sam sposób w Twoich danych i w Twoich obliczeniach. „Wygrana”, „przegrana”, „średnia wygrana” i „średnia przegrana” nie są automatycznymi faktami; wynikają z Twoich zasad pomiaru (na przykład, czy częściowe zamknięcia liczą się jako wygrane, jak obsługujesz wyniki na zero oraz czy używasz wyników brutto czy netto).
Zależności: co musi być spełnione, aby oczekiwana wartość była porównywalna
1) Definicja wyniku: brutto vs netto
Wzór na oczekiwaną wartość jest tak samo sensowny, jak „wynik”, którego używa. Jeśli jeden zestaw danych używa wyników netto (po spreadach, prowizjach i finansowaniu), a drugi używa ruchu cen brutto, liczby oczekiwanej wartości nie będą porównywalne.
Nawet gdy chcesz wyjaśnienie koncepcyjne (bez liczb w czasie rzeczywistym), nadal powinieneś przyjąć konkretny wybór księgowy. Na przykład możesz zdefiniować wynik jako zysk/stratę netto na jedną okazję po oszacowanych kosztach transakcyjnych i poślizgu realizacji. Następnie musisz stosować tę samą definicję konsekwentnie.
2) Jednostka analizy: na transakcję vs na okazję
Oczekiwaną wartość można obliczać na transakcję, na sygnał albo na świecę/okres, jeśli reguła jest stosowana w sposób ciągły. Zmiana jednostki zmienia interpretację. Proces, który czasami pozostaje „na płasko”, będzie miał inną oczekiwaną wartość na „okazję” niż ta sama logika próbkowana tylko wtedy, gdy wchodzi.
Podejście możliwe do sprawdzenia polega na tym, aby jawnie wskazać jednostkę:
- „na przesłane wejście” (per submitted entry) albo
- „na zakończoną transakcję” (per completed trade) albo
- „na okno oceny reguły” (per rule evaluation window),
a potem dopasować zestaw danych.
3) Model prawdopodobieństwa: co liczy się jako „prawdopodobieństwo”
W praktyce prawdopodobieństwo jest szacowane na podstawie historycznych próbek. Wzory na oczekiwaną wartość często traktują wygraną/przegraną tak, jakby każdy wynik był losowany z ustabilizowanego rozkładu. Założenie to może być rozsądne w wąskim, spójnym reżimie, a znacznie mniej rozsądne w warunkach wielu zmieniających się sytuacji rynkowych.
Tworzy to zaawansowaną zależność: oczekiwana wartość nie jest tylko „liczbą”; jest to estymacja powiązana z rozkładem, który reprezentuje Twoja próbka.
4) Kształt rozkładu: oczekiwana wartość ignoruje wyższe momenty
Model oparty na współczynniku wygranych/średniej wygranej/średniej przegranej sprowadza wyniki do dwóch średnich. Jeśli wyniki są silnie skośne (na przykład: wiele małych wygranych i rzadkie duże straty), oczekiwana wartość może wyglądać stabilnie, mimo że charakterystyka ryzyka zmienia się dramatycznie.
Dlatego zaawansowaną kwestią jest traktowanie oczekiwanej wartości jako jednego podsumowania, a nie pełnego opisu rozkładu wyników.
Wyjątki i przypadki brzegowe, które zmieniają interpretację
1) Transakcje na break-even i wyniki „zero”
Co się dzieje z transakcjami, które mają zerowy wynik netto (ani wygrana, ani przegrana)? Niektóre podejścia wliczają je do wygranych, inne do przegranych, a jeszcze inne traktują je osobno.
Jeśli uwzględniasz je jako „ani wygrana, ani przegrana”, potrzebujesz trzeciej kategorii. Jeśli wymusisz ich przypisanie do wygranej lub przegranej, zmienisz średnie rozmiary wygranej/przegranej oraz implikowane prawdopodobieństwa. Dla niezależnej weryfikacji metoda obsługi wyników na break-even musi zostać spisana.
2) Asymetryczna obsługa strat (np. stop-loss vs wyjścia)
Jeśli Twoja ocena obejmuje różne reguły wyjścia w zależności od warunków, to „średnia strata” nie jest jedną uniwersalną wartością; jest wynikiem procesu warunkowego. Na przykład strata, która występuje w ramach jednej reguły wyjścia, nie jest bezpośrednio porównywalna ze stratą, która występuje w ramach innej.
Aby to ująć bez udzielania porad finansowych, możesz podzielić zestaw danych według typu wyjścia albo według warunków setupu, a następnie obliczyć oczekiwaną wartość osobno dla każdej części. Kluczowe jest to, że mieszanie niekompatybilnych podprocesów może prowadzić do mylących średnich.
3) Niestacjonarność: zmiany reżimu
Rynki mogą się zmieniać pod względem zmienności, płynności i zachowania spreadów. Jeśli Twoja próbka miesza wiele reżimów, prawdopodobieństwa wygranej/przegranej oraz średnie wyniki mogą się przesuwać.
Zaawansowany tryb błędu to „oczekiwana wartość z backtestu wygląda dobrze, ale oczekiwana wartość w przyszłości pogarsza się”, ponieważ oszacowane prawdopodobieństwa nie odpowiadają już przyszłemu rozkładowi. To nie jest gwarancja porażki—raczej przypomnienie, że oczekiwana wartość jest wrażliwa na zmiany rozkładu.
4) Błąd doboru próby wynikający z filtrowania okazji
Jeśli Twój zestaw danych zawiera tylko te okazje, które przeszły określone filtry wybrane po zobaczeniu wyników, oczekiwana wartość może zostać zawyżona. Nawet bez żadnej konkretnej rekomendacji, jest to ogólne ryzyko badawcze: proces oceny może niechcący uwzględniać wiedzę o wynikach.
Niezależna weryfikacja powinna sprawdzić, czy reguła i jej filtry zostały zdefiniowane przed danymi o wynikach oraz czy okno oceny jest takie samo jak zakres danych użyty do oszacowania prawdopodobieństw.
Dowody i przykład (na założeniach, które możesz zweryfikować)
A prosty przykład liczbowy z jawnymi założeniami
Załóż, że definiujesz „okazję” jako jedną zakończoną transakcję, a wynik to zysk/strata netto na transakcję po stałych kosztach. W próbce 100 transakcji:
- Oznaczasz 55 transakcji jako wygrane i 45 transakcji jako przegrane.
- Średni zysk netto na transakcjach wygrywających wynosi +0.8 jednostki.
- Średni zysk netto na transakcjach przegrywających wynosi −0.6 jednostki.
Wtedy oczekiwana wartość na transakcję wynosi:
- Prawdopodobieństwo wygranej = 55/100 = 0.55
- Prawdopodobieństwo przegranej = 45/100 = 0.45
Oczekiwana wartość = (0.55 × 0.8) + (0.45 × −0.6) = 0.44 − 0.27 = 0.17 jednostki na transakcję
To pokazuje, jak oczekiwana wartość jest liczona na podstawie prawdopodobieństw wygranej/przegranej oraz średnich warunkowych. Pokazuje też, gdzie pojawiają się błędy: jeśli Twoja definicja wygranej lub założenia dotyczące kosztów się różnią, zmienią się średnie warunkowe oraz prawdopodobieństwa wygranej/przegranej.
Co sprawdzić, gdy odtwarzasz czyjąś oczekiwaną wartość
Aby niezależnie zweryfikować twierdzenia dotyczące oczekiwanej wartości, sprawdź, czy autor:
- podaje definicję wygranej/przegranej (w tym obsługę break-even),
- określa jednostkę analizy (na transakcję vs na sygnał),
- podaje model kosztów użyty do wyników netto oraz
- używa tego samego zakresu danych do szacowania prawdopodobieństw i średnich.
Bez tych szczegółów dwie wartości oczekiwanej wartości mogą być „matematycznie podobne”, ale praktycznie nieporównywalne.
Ograniczenia i ryzyka: gdzie oczekiwana wartość może wprowadzać w błąd
1) Zmienność próbkowania i małe próby
Oczekiwana wartość wykorzystuje szacowane prawdopodobieństwa i średnie. Przy małych rozmiarach próby losowa zmienność może dominować, co prowadzi do oszacowania oczekiwanej wartości, które może nie odzwierciedlać prawdziwego, leżącego u podstaw rozkładu.
DOCUMENT END