O que o Average Win Loss Significa no Forex
Average Win Loss é uma medida descritiva simples que compara o tamanho típico das operações vencedoras com o tamanho típico das operações perdedoras. No forex, ele geralmente responde a uma pergunta como: “Quando as operações são vencedoras, quão grandes são as vitórias, em média, em comparação com as perdas, em média?”
Para manter o conceito verificável, você precisa separar a medição de qualquer interpretação. A medição é mecânica: ela usa resultados de operações registrados. A interpretação é condicional: depende de como você define wins e losses, de como você mede o resultado da operação e de qual período e conjunto de dados você usa.
Um ponto-chave é que “average win loss” não é a mesma coisa que prever resultados futuros. Ele resume o que já aconteceu na amostra escolhida. Relações históricas podem enfraquecer quando as condições de mercado, a qualidade da execução ou os custos de trading mudam.
Um Modelo Simples para o Cálculo
Uma forma prática de definir a métrica é calcular duas médias a partir da lista de operações:
- Average Win (AW): a média do resultado entre todas as operações vencedoras.
- Average Loss (AL): a média do resultado entre todas as operações perdedoras.
Então, Average Win Loss muitas vezes é expresso como uma das seguintes razões (diferentes autores usam formatos diferentes):
- AW/|AL|: a vitória média dividida pelo valor absoluto da perda média.
- AL/AW ou AW−AL: menos comum, mas às vezes usado dependendo se o objetivo é comparação ou diferença.
Como as definições variam, o “input” mais importante é sua regra exata para calcular as quantidades de win e loss.
Defina o que “resultado” significa
Para cada operação, você precisa decidir qual número você chama de resultado. Opções comuns incluem:
- Lucro/prejuízo líquido após custos (preferível para realismo quando você tem dados de custos confiáveis).
- Lucro/prejuízo bruto antes de custos (pode superestimar os resultados quando spreads ou comissões importam).
- Movimento em pips vs. valor na moeda da conta (pips nem sempre são comparáveis entre tamanhos de posição).
Seja o que for que você escolha, use a mesma base para cada operação na amostra.
Use uma convenção de sinal consistente
Operações vencedoras normalmente são registradas como resultados positivos, e operações perdedoras como resultados negativos. Quando você calcula AL, muitas vezes você faz a média dos números negativos e depois usa o valor absoluto mais tarde (|AL|) para que uma razão como AW/|AL| continue interpretável.
Suposições para exemplos
Para que qualquer exemplo seja verificável, você precisa declarar suposições como:
- Se os custos estão incluídos.
- Se fechamentos parciais são tratados como operações separadas ou como parte de um único resultado.
- Se você exclui operações de break-even (resultado zero) ou as mantém nos conjuntos de win/loss.
Se você não declarar isso, duas pessoas podem calcular “average win loss” e obter respostas diferentes a partir do mesmo log bruto de trading.
Inputs, Outputs e a Sequência para Calculá-lo
Aqui vai uma sequência verificável que não assume nenhuma plataforma ou indicador específico.
Inputs
Você precisa de um conjunto de dados de operações concluídas, em que cada operação tenha pelo menos:
- Valor do resultado da operação (em unidades consistentes).
- Um rótulo de win vs. loss com base na sua regra (por exemplo, resultado > 0 é win; resultado < 0 é loss).
- Opcional, mas útil: tamanho da operação ou a base que você usou para calcular lucro/prejuízo.
Geração de output passo a passo
- Selecione a janela de tempo e inclua apenas operações concluídas dentro dela.
- Separe as operações em dois grupos:
- Wins: resultados acima de zero (de acordo com sua definição).
- Losses: resultados abaixo de zero.
- Calcule AW como a média aritmética dos resultados das wins.
- Calcule AL como a média aritmética dos resultados das losses.
- Calcule Average Win Loss como uma comparação escolhida, comumente AW/|AL|.
O que o número representa
Se AW/|AL| for maior que 1, isso indica que as operações vencedoras, em média, são maiores em magnitude do que as operações perdedoras, em média (sob sua regra de medição). Se for menor que 1, as perdas médias são maiores em magnitude do que as vitórias médias.
Isso não indica “bom” ou “ruim” por si só. Uma estratégia pode ter vitórias médias menores do que perdas médias e ainda assim produzir resultados líquidos positivos se a taxa de acerto for alta o suficiente, ou se as perdas forem controladas em outro lugar. Average win loss é apenas uma parte de um quadro maior.
Evidência Através de um Exemplo Trabalhado (Com Suposições Explícitas)
Suponha que o conjunto de dados contenha 10 operações concluídas, e que você meça o resultado de cada operação como lucro/prejuízo líquido na moeda da conta, após spreads e comissões. Além disso, suponha:
- Wins são operações com resultado > 0.
- Losses são operações com resultado < 0.
- Resultados zero (se houver) são excluídos de ambas as médias.
Suponha que os cinco resultados vencedores sejam: 6, 4, 8, 5, 7 (na moeda da conta).
- AW = (6+4+8+5+7)/5 = 30/5 = 6.
Suponha que os cinco resultados perdedores sejam: -3, -4, -2, -5, -4.
- AL = (-3-4-2-5-4)/5 = -18/5 = -3.6.
Então AW/|AL| = 6 / 3.6 = 1.67.
Esse valor significa: em média, as vitórias são cerca de 1.67 vezes maiores do que as perdas em magnitude, usando a definição de resultado líquido declarada. Uma segunda pessoa que calcule a mesma métrica com suposições diferentes—como resultados brutos antes de custos, inclusão diferente de operações de break-even, ou resultados baseados em pips com tamanhos de posição variáveis—pode chegar a um resultado diferente mesmo a partir das mesmas operações subjacentes.
É por isso que o cálculo é “mecânica”, enquanto a interpretação depende das suposições.
Limitações e Modos Comuns de Falha
Average win loss é útil para descrever o formato dos resultados históricos, mas tem limitações materiais.
1) Tamanho da amostra e instabilidade
Com poucas operações, AW e AL podem variar bastante devido a variação aleatória. A métrica pode parecer estável em um período e mudar significativamente em outro período.
2) Custos e execução em mudança
Se spreads, comissões ou qualidade de execução variam ao longo do tempo, e você usa resultados líquidos ou brutos de forma inconsistente, a métrica pode refletir diferenças de custo em vez do comportamento das operações.
3) Viés de seleção no que você inclui
Se você excluir certas operações (por exemplo, as executadas sob condições incomuns) ou se você registrar apenas operações que “se encaixam” em uma regra, as médias podem não representar todos os resultados.
4) Modelos de risco mistos
Se o dimensionamento de posição ou as regras de risco variam por operação, então “médias” podem misturar diferentes níveis de exposição. A métrica pode então refletir mudanças no dimensionamento mais do que mudanças na qualidade da decisão.
5) “Média” pode esconder a distribuição
Dois conjuntos de dados podem compartilhar a mesma razão AW/|AL|, mas ter distribuições de resultados muito diferentes (por exemplo, perdas ocasionais grandes vs.
DOCUMENT END