Co początkujący powinni wiedzieć o wartości oczekiwanej
Czym jest wartość oczekiwana?
Wartość oczekiwana (często nazywana oczekiwaną wartością) to sposób wyrażenia średniego wyniku przypadającego na jedną okazję, przy założeniu, że można zdefiniować tę okazję i jej możliwe wyniki. Mówiąc wprost: jeśli powtórzysz ten sam proces decyzyjny wiele razy w podobnych warunkach, wartość oczekiwana reprezentuje średnią wypłatę, jakiej możesz się spodziewać.
Kluczową koncepcją dla początkujących jest to, że wartość oczekiwana jest statystyką podsumowującą. Nie przewiduje ona, co wydarzy się w przyszłości. Opisuje ona, co Twoja przeszła próbka sugeruje o średnich, i to tylko przy założeniach przyjętych w obliczeniach.
Jak wartość oczekiwana działa w praktyce
Aby obliczyć wartość oczekiwaną, zazwyczaj łączysz trzy elementy:
- Wyniki: kwoty zysków lub strat dla każdego typu wyniku (na przykład „wygrana” i „przegrana” w oparciu o zdefiniowaną regułę).
- Prawdopodobieństwa: szacunkowa szansa wystąpienia każdego typu wyniku.
- Uwzględnienie kosztów: czy Twoje wyniki już uwzględniają istotne koszty, takie jak spready, opłaty czy prowizje.
Typowa struktura to średnia ważona:
- Pomnóż kwotę każdego wyniku przez prawdopodobieństwo tego wyniku.
- Dodaj wyniki, aby uzyskać pojedynczą liczbę „średniej na okazję”.
Przykład istotnego założenia (z niepewnością): Załóżmy, że definiujesz „okazję” i w danych historycznych widzisz, że 40% wyników to wygrane, a 60% to przegrane. Jeśli średnia wygrana wynosi +2 jednostki, a średnia przegrana −1 jednostkę, prosty szacunek wartości oczekiwanej to: 0,40×(+2) + 0,60×(−1) = 0,8 − 0,6 = +0,2 jednostki na okazję.
Liczba ta jest znacząca tylko wtedy, gdy:
- Twoja klasyfikacja wygranych/przegranych odpowiada regule, którą zamierzasz powtarzać.
- Prawdopodobieństwa (40% i 60%) są oszacowane na podstawie zbioru danych, który odzwierciedla warunki, które Cię interesują.
- Wyniki +2 i −1 uwzględniają te same założenia dotyczące kosztów, które zostaną użyte później.
Realistyczne scenariusze, w których wartość oczekiwana może wprowadzać w błąd
Scenariusz (niedopasowanie próbki): Jeśli Twój zbiór danych obejmuje wyjątkowo korzystne warunki rynkowe (na przykład okresy o niższej zmienności lub lepszych warunkach handlu), oszacowane prawdopodobieństwa i średnie wyniki mogą nie odzwierciedlać przyszłych warunków. Obliczenia nadal działają, ale ich znaczenie się zmienia.
Scenariusz (zmiana kosztów lub wykonania): Jeśli Twoje historyczne wyniki nie uwzględniały realistycznych kosztów lub jeśli zmieni się jakość wykonania, średnie kwoty wygranych i przegranych mogą się przesunąć. Nawet „dodatni” szacunek wartości oczekiwanej może zbliżyć się do zera lub stać się ujemny po uwzględnieniu kosztów.
Scenariusz (dryf definicji): Jeśli „wygrana” i „przegrana” były definiowane inaczej w przeszłości niż obecnie (na przykład zmiana progów lub metod pomiaru), to nie obliczasz już wartości oczekiwanej dla tego samego procesu decyzyjnego.
Ograniczenia, ryzyka i punkt kontrolny do weryfikacji
Początkujący często traktują wartość oczekiwaną tak, jakby gwarantowała wyniki. Tak nie jest. Ograniczenia, które mają największe znaczenie, to:
- Niestabilność prawdopodobieństw: Prawdopodobieństwa są szacunkami. Przy małych próbkach mogą się znacznie wahać.
- Ukryta zmienność: Uśrednianie może ukrywać rozkłady z okazjonalnymi dużymi stratami.
- Obciążenie danych: Jeśli zbiór danych nadreprezentuje pewne wyniki, wartość oczekiwana może wyglądać lepiej, niż jest w rzeczywistości.
Praktycznym punktem kontrolnym jest ponowne obliczenie wartości oczekiwanej przy jasno określonych założeniach i sprawdzenie wrażliwości. Na przykład zapytaj, jak zmienia się wartość oczekiwana, jeśli koszty są wyższe, jeśli prawdopodobieństwa zmieniają się w wiarygodnych zakresach lub jeśli użyty zostanie inny, ale porównywalny okres czasu.
Jeśli dwa rozsądne zbiory danych dają znacząco różne wartości oczekiwane, potraktuj to jako dowód, że podstawowe warunki lub założenia nie są stabilne.
Następne pytanie, które warto zadać
Aby niezależnie zweryfikować, czy wartość oczekiwana jest użyteczna, upewnij się, że potrafisz precyzyjnie wyjaśnić swoje dane wejściowe do obliczeń: jak definiowane są okazje, jak mierzone są wyniki wygranych/przegranych, jakie koszty są uwzględnione i jaki okres danych jest przyjęty. Następnie możesz ocenić, czy założenia są odpowiednie dla warunków, które próbujesz opisać.