Recovery Factor یا فاکتور بازیابی

Recovery Factor یا فاکتور بازیابی
Recovery Factor یا فاکتور بازیابی

در این مقاله درباره چیزهایی بسیار ساده‌ای بحث می‌کنیم. که می‌تواند اغلب اوقات فریبنده باشد-در زير نمودار بالانس يك حساب را در تست استراتژی (BackTest) مي بينيد. در گزارشات تست استراتژی برای مبتدیان ما می‌توانیم اغلب نمودارهای بالانس-اکویتی نمایی ببینیم و نتایج تستهای بسیار زیادی را در انتهای دوره تست مشاهده كنيم. چنین نتایجی معمولاً باعث اظهار نظرهایی شک‌ دار از سوی متخصصان اکسپرت می‌شود که می‌دانند این نتایج خوب از کجا آمده، و بلافاصله پیشنهاد می‌دهند که نتایج با لات ثابت 1.0 نشان داده شود.

 

00- Recovery Factor یا فاکتور بازیابی
00- Recovery Factor یا فاکتور بازیابی

فرض می‌شود که نتایج تست با لات ثابت 0.1 منعکس کننده تمام معایب و مزایای یک استراتژی می‌باشد استدلال برای این فرضیه کاملا آشکار و روشن است. برای بیشتر جفت ارزها این نمودار نشان می‌دهد که در دوره تست چند نقطه(point) در طول یک استراتژی نمایان می‌شود. یک سری بحث‌های معتبر وجود دارد که یک استراتژی می‌تواند چالشی باشد اگر با پوينت‌ها (points) سود ده باشد. اما اگر انتظارات ریاضی (mathematical expectation) منفی باشد.، چنین استراتژی‌ای به سختی می‌تواند سود ده باشد حتی با مدیریت سرمایه صحیح.  یک دلیل قانع کننده دیگر یک منحنی با 0.1 لات نزدیک به خط راست نشان دهندهً ثبات استراتژی می‌باشد که به سختی می‌توان در یک منحنی نمایی (exponential) آنرا مشاهده کرد. به هرحال، علی رغم تمام این مزایا، این نمودار دارای معایبی نیز می‌باشند که آشکار نیستند. برای فهمیدن همه این‌ها اجازه دهید که نتایج یک استراتژی ساده با سیستم‌های متفاوت مدیریت سرمایه (Money Management) تحلیل کنیم و نمودارها را با هم مقایسه کنیم.

انواع مدیریت سرمایه که در این تحلیل بکار رفته

برای کاربرد صحیح مدیریت سرمایه باید نخست با استفاده از منابع معتبر آموزش مدیریت سرمایه گذاری و ریسک و آموزش مدیریت سرمایه‌ سیستم‌ها و روش‌های مختلف مدیریت سرمایه را شناخت.، سپس سیستم مدیریت سرمایه‌ی متناسبی با کلیت سیستم معاملاتی خود انتخاب کرد. البته همیشه گزینه‌ی استفاده از نرم افزار مدیریت سرمایه را هم خواهیم داشت. حال ما سه نوع از مدیریت سرمایه را که در آن‌ها حجم پوزیشن‌های باز شده یا ثابت است و یا تابعی افزایشی از حساب سپرده می‌باشد، تحلیل می‌کنیم. امکان داشتن یک مدیریت سرمایه کارآمد با در نظر گرفتن نتایج معاملات قبلی، به نظر من معقول به نظر می‌رسد حتی زمانیکه احتمال یک سری معامله سود/ضرر به طرز قابل توجه‌ای بالاتر از شانس معاملات با نتایج مخالف که پشت سر هم باشد. بنابراین، این‌ها سیستمهای مدیریت سرمایه این مقاله می‌باشند.:

حالت اول: conservative

حالتی که لات ما 0.1 ثابت باشد و به مقدار سرمایه‌گذاری در حساب ربطی نداشته باشد که آنرا استراتژی محافظه کاری می‌گوییم.

حالت دوم: geometrical MM

2- حجم لات متناسب با مقدار سرمایه است. این حالت تهاجمی مدیریت سرمایه است که آنرا مدیریت سرمایه هندسی می‌نامیم.

حالت سوم: moderate strategy

3- حجم لات متناسب با ریشه دوم (جذر) سرمایه افزایش می‌یابد که آنرا یک استراتژی میانه رو می‌نامیم.

هر یک از این سیستم‌ها می‌توانند کد شده و به صورت نرم افزار مدیریت سرمایه در استراتژی معاملاتی مناسب استفاده گردند.

حال با بهره‌گیری از آموزش مدیریت سرمایه‌ اکسپرتی به نام “20_200 expert_v4.2_AntS” را تحلیل می‌کنیم. ما پارامترهای EA را بهینه‌سازی نمی‌کنیم  چون در محدوده و حوصله این مقاله نمی‌گنجد. بگذارید پارامترهای پیش گزیده را در EA استفاده کنیم. ما تست را روی حالت تيك روی نمودار یک ساعت EURUSD از تاریخ 07-07-2000  تا 15-03-2008 انجام می‌دهیم.این دوره زمانی بطور عمومی و بین المللی برای تست با لات 0.1 انتخاب شده و نمودارهای بالانس خوبی را به ما می‌دهد. دقیقاً این EA برای توضیح منظور این مقاله انتخاب شده.

قسمت بزرگتر این EA تابعی برای انتخاب لات lotsize کمی طولانی‌تر از 1000 خط می‌باشد (یا 44k از 50k حجم فایل) که خود منحصر به فرد بودن آنرا نشان می‌دهد. این تابع در شکل کوتاهتری اعمال شود اگر ما تابع لات را وابسته به بالانس کنیم با یک خط ساده با لات لازم 0.1 حداقل اختلاف تخمین محاسبات در کد اصلی در “nodes” (پوینت‌هایی که لات در آن‌ها اندازه‌گیری شده است.) تنها یک نود “node” را در مرز آن نشان می‌دهد. این قضیه به سختی می‌تواند پارامترهای استراتژی را تحت تاثیر قرار دهد. من تصمیم گرفتم که منطق دقیق انتخاب اندازه‌ی لات را مطالعه نکنم و کد را تغییر دادم که بسیار کوچکترش کنم (EA اولیه فقط حاوی مدیریت سرمایه‌ی فعال با توجه به تابع انتخاب لات بود.) قسمت‌هایی که مرتبط و متناسب با افزایش حجم لات نبودند و نیز مولفه‌های مارتینگل از کد EA کنار گذاشته شده است. کد انتخاب شده در این مقاله شامل این موارد نمی‌باشد. در زیر تابع محاسبه حجم لات مناسب برای جفت ارز EURUSD را مشاهده می‌کنید:

01- Recovery Factor یا فاکتور بازیابی
01- Recovery Factor یا فاکتور بازیابی

Recovery Factor یا فاکتور بازیابی

در اینجا ما از منطق یک مبتدی برای پیگری قضیه استفاده می‌کنیم.

1-به عنوان یک مبتدی از فروم بازدید کرده و وارد قسمت کدها می‌شویم. EA را می‌بینیم و تصمیم می‌گیریم ببینیم که آیا مناسب برای معاملات می‌باشد؟ مبتدی نیاز به بررسی سورس کد ندارد و فقط نیاز به یک نتیجه‌ی سریع دارد.

 2-مبتدی نیازی به بررسی قابلیت اعتماد نتایج تست با توجه به تغییرات داده‌ها در تاریخچه ندارد. او تنها یک محدوده تست از چند سال پیش تاکنون را انتخاب کرده که در آن EA نتایج خوبی می‌دهد. او اعتقاد دارد که EA در آینده نیز همین رفتار را دارد، زیرا تقریبا 8 سال نتایج خوبی داده است.

3-بعد از گرفتن نتایج تست با لات 0.1 با مراجعه دوباره به فروم و دیدن نتایج کامنت‌های افراد باتجربه‌تر و اعتماد بیشتر به این استراتژی، یک قدم جلوتر گذاشته و تصمیم به معرفی مدیریت سرمایه هندسی می گیرد.؛ یعنی پوزییشن را با توجه و متناسب با اندازه بالانس، حساب باز می‌کند. او همچنین فکر آن را نمی‌کند که حد ضرر بیش از حد سود است زیرا کد را اصلاٌ نگاه نکرده. او نمی‌داند که منحنی بالانس چگونه تغییر می‌کند.

4-سرانجام مبتدی ما تصمیم به تغییر MM (مدیریت سرمایه) می‌گیرد و مدیریت سرمایه را با توجه به مواد بالا در نظر می‌گیرد.

ما نتایج بدست آمده را آنالیز خواهیم کرد و پارامترهایی که در نتایج تست در نظر می‌گیریم : سود خالص- حداکثر ضرر- به درصد و ضریب بازیابی می‌باشد.

  • تست شماره 1: لات ثابت 0.1

نتایج تست به صورت جدول زیر می‌باشد.

02- Recovery Factor یا فاکتور بازیابی
02- Recovery Factor یا فاکتور بازیابی

Recovery Factor یا فاکتور بازیابی

03- Recovery Factor یا فاکتور بازیابی
03- Recovery Factor یا فاکتور بازیابی

Recovery Factor یا فاکتور بازیابی

ما پارامتر دیگری به نام فاکتور بازیابی (RF) اضافه می‌کنیم: (به نتایج جدول)

RF (Recovery Factor) = Total Net Profit / Maximal Drawdown = 9911.72 / 923.58 = 10.73

 

04- Recovery Factor یا فاکتور بازیابی
04- Recovery Factor یا فاکتور بازیابی
  • تست شماره 2:

قسمت اول: حجم لات با بالانس تناسب دارد: (0.1/$1000)

من در زیر چند خط گزارش که می‌تواند برای ما جالب باشد، قرار داده‌ایم:

05- Recovery Factor یا فاکتور بازیابی
05- Recovery Factor یا فاکتور بازیابی

نتایج آماری بدست آمده از مدیریت سرمایهً هندسی اغلب بسیار بهتر از نتایج در واقعیت بدست می‌آید به خاطر جزئیاتی که بعداٌ بحث می‌شود.ضررهای (Draw down) میان مدت را که به نظر در شکل بدون اهمیت می‌باشند، بصورت کامل نشان می‌دهد. شما می‌بینید که این درودان ها خیلی کوچک نیستند و گاهی به %50 بالانس حداکثر می‌رسد ( در واقع، مسأله آخرین ضرری که زمانی که به حداکثر بالانس می‌رسیم نمی‌باشد.)

مدیریت سرمایه  هندسی

من حالا بحث این را نمی‌کنم که آیا حجمهایی که در بالانس حداکثر ( در حدود 540 لات) باز شده برای بروکرها واقعی می‌باشد یا نه.ما می‌بینیم که سود خالص  بسیار زیاد شده اما حداکثر ضرر از %70 بیشتر شده و ضریب بازیابی برابر است با:

RF = 1989283.04 / 3883421.15 = 0.51

 به طرز خطرناکی کم شده و اکنون از عدد یک هم کمتر است. چنین RF کمی نتیجه آخرین درودان می‌باشد اما ما علاقه‌ای به فریب دادن خود نداریم و قصد نداریم که درودان را از گزارش خود حذف کنیم. درسته؟این حالت در مقالهً معروف  “My First ‘Grail'”  ، که بیشترین نقل قول در فروم از آن شده، شرح داده شده است. این درس دیگری برای یک مبتدی است نتایج تست با لات 0.1 خود و دیگران را می‌پذیرد. بنابراین تست کردن در لات 0.1 به نظر گول زننده می‌آید. ( افزایش حجم بدون در نظر گرفتن عواقب!)

علی رغم نمایش آشکار از انتظارات مثبت ریاضی و قابلیت و ثبات تست در لات 0.1 ،این قضیه برای اضافه کردن روشی تهاجمی برای مدیریت سرمایه با در نظر گرفتن آن نتایج، کافی نمی‌باشد.

دلیل تغییر سریع و تند و تیز منحنی و شاخصه‌های آن و پارامترهای آن آشکار است. زمانی که با لات 0.1 تست می‌کنیم به دلیل شکل پارابولیک خطرات ناشی از ریسک کم و کمتر شده زیرا حجم لات نسبت به سرمایه موجود با توجه به منحنی کم و کم‌تر می‌شود. اما در مدیریت سرمایه هندسی این ریسک کم نشده و ثابت باقی می‌ماند. این قضیه در انتهای نمودار با فرو رفتگیها‌ی بزرگ خود را نشان خواهد داد.

با مشاهده بیشتر: نسبت سود متوسط معامله به ضرر متوسط آن همچنین بدتر می‌شود. حالا معادل  20051.69/142644.96 = 0.141 –  است بجای 55.80 / 180.4 = 0.198 که در تست بالات 0.1 دیده شد. چرا؟ جواب در ادامه می‌آید. ضرر در مدیریت سرمایه هندسی از حجم لات در بالانس حساب مربوطه به لحظه بازکردن معامله محاسبه می‌شود. یعنی در نقطه ی بالای upper  مسیر بالانس پایین رونده. (بالانس در حال سقوط). در همین زمان حجم سود معامله با توجه به بالانس در لحظه باز شدن آن محاسبه می‌شود یعنی در نقطه پایین‌تر مسیر بالانس ( نمودار بالانس) و به نظر می‌رسد که کمی از معامله (ضرر) باشد.

یک مثال عددی: فرض کنید که در بالانس $5000 و با مدیریت سرمایه هندسی یک معامله با حجم  0.1*($5K/$1K) = 0.5  لات باز کرده‌ایم و حدود 100 پوینت سود کرده‌ایم. به این معنی که سود برای جفت ارز EURUSD معادل 500 دلار است. حال فرض کنید که بلافاصله پوزیشن باز کرده‌ایم که 100 پوینت ضرر به ارمغان ‌آورده، ضرر ما چقدر است؟ لات در اینجا برابر 0.1*($5K+$500)/$1K = 0.55 یعنی ضرر ما -$550  است که %10 بیشتر از سود ما می‌باشد.

این حالت در لات ثابت 0.1 اتفاق نمی‌افتد. چه نتایجی را می‌توان از این مطالب گرفت؟

  1. اگر شما نگاهی به مديريت سرمايه تهاجمی ( مدیریت سرمایه هندسی) بیندازید، به منظور داشتن یک منحنی بالانس خوب، باید درک کنید که منحنی تست بالات 0.1 باید عملاٌ ایده‌آل باشد و بدون هیچ فرورفتگی. هیچ کدام از متغیرهای مدیریت سرمایه‌ای که در معاملهً واقعی استفاده می‌کنید، نادیده نگیرید.اگر از مدیریت سرمایهً متفاوتی استفاده می‌کنید، به نتایج لات ثابت0.1 بسنده نکنید و آنراراهنمای خود قرار ندهید.
  2.  فراموش نکنید که مدیریت سرمایه هندسی درصد درودان  شما را فزایش می‌دهد. فرض کنید که با تست  بالات 0.1 در دورهً پنج ساله رشد 1000 درصدی  ( از 1$  به 11$) را نشان دهد. بهرحال، این یک عدد واقعی است. این دلالت بر 10 هزار پوینت در عرض 60 ماه دارد. یعنی 167 پوینت در هر ماه، فرض کنید در انتهای این 6 سال زمانیکه سرمایه برابر 11000 دلار می‌شود، شما درودان  خیلی کوچکی در لات 5.9 معادل%5 داشتید و بعد از آن آخرین معامله دارای سود شد و سرمایه شما اکنون مجددا 11$  است. دربارهً درودان  با مدیریت سرمایه هندسی (تهاجمی) چه فکری می‌کنید؟ 55 درصد از سرمایهً شما، صرف نظر از اینکه چقدر قبلاٌ این فرو رفتگی افزایش یافته بود. توضیحات بیشتری در راه است.
  3. این پیشنهادی است که اکنون ارائه می‌شود.از متوسط “the golden mean” در استراتژیهای MM (مدیریت سرمایه) استفاده کنید. به این معنی نیست که شما باید همیشه 0.1 لات استفاده کنید، بلکه استفاده از مدیریت سرمایهً هندسی روی معاملات میلیونی تنها یک رویا است که با در نظر نگرفتن ریسک بدست می‌آید.

اثبات بحثهای درودان مدیریت سرمایهً هندسی : اگر در طی تست بالات 0.1 درودان  در پایان دورهً تست برابر %5 باشد (زمانیکه بالانس قبل از معاملهً ضرر دار معادل $11k باشد)، این به معنی آن است که %5 * $11k = $550 یعنی 550 پوینت است. حال همین را با مدیریت سرمایهً هندسی حساب کنیم.

اگر این درواودان نتیجهً یک پوزیشن باز شده باشد ( به عنوان مثال، هیچ حد ضرری وجود ندارد)، استدلال ما ساده  است. فرض کنید قبل او این درودان  در مدیریت سرمایهً هندسی، بالانس به X *$1 k رسیده است( با توجه به این مدیریت سرمایه * حدود 11 می‌باشد اما در اینجا مهم نمی‌باشد.) سپس معامله x * 0.1  لات باز و سپس بسته می‌شود با ضرری معادل با

Lost * pipps – value = (x*0.1)*$10 *550

برابر 550x  که معادل 100% * ($550* x) = 55%  یعنی 55 درصد از سرمایه قبل از دوردان قضیه برای حالتی که در اودان نتیجهً چند ضرر پشت سر هم است، بسیار مشکلتر است، اما رسماٌ این معاملات می‌تواند به یک معامله الحاق ضود و این درودان  می‌تواند نتیجهً یک معامله در نظر گرفته شود.

بهرجال، بخاطر اثر جمع‌پذیری چندین معاملهً متضاد، نتایج کمی متفاوت خواهد بود.

این استدلال درست در زمان تهیهً این مقاله بدست آمد. زمانیکه من سعی کردم تا بطور منطقی نتایج تست با مدیریت سرمایهً هندسی را توضیح دهم. هنوز هم نتایج مرا شگفت زده می‌کند. قبل از این ملاحظات، من با بی‌تجربگی باور داشتم که هر استراتژی که با 0.1 لات منحنی با دراد دانهای کوچک ایجاد می‌کند، حتی مدیریت سرمایه، تهاجمی نیز می‌تواند در آن استفاده شود. اما هرگز فکر نمی‌کردم که در اودانها بدون نسبت در مقایسه با نتایج تست 0.1 لات رشد می‌کنند و حال من دربارهً استفادهً طولانی مدت از مدیریت سرمایهً هندسی شک دارم. دلیل آن ایین است که هیچ استراتژی بدون درودان  وجود ندارد…

تست شماره 2، قسمت دوم: EA  خوش شانس و مدیریت سرمایهً هندسی (MM)

اجازه دهید که مثال شگفت انگیز دیگری که بحث دربارهً درودان را تاًیید می‌کند، بیاوریم. این درسی به نویسندگان EA  خوش شانس است که آنرا با مدیریت سرمایهً هندسی استفاده می‌کنند. ( کد سورس را در این آدرس می‌توانید ببینید)

()double Get lots

{

;Return (NormalizaDouble (AccountFreeMargin()/1000,1))

{

اکسپرت EA برای استفاده کمی اصلاح شده ( استفاده با تست 0.1 لات) و از حد سود بزرگتر از یک پیپ (1pip) (با پارامترخارجی pr-limit=1 ). فرق دیگر آن با سورس کد، باز کردن یک اردر در یک زمان می‌باشد ( در این حالت کارکترهای منحنی بالانس را تغییر زیادی نمی‌دهد.) ما در اینجا علاقمند به بررسی اینکه آیا این کد با بروکر واقعی کار می‌کند یا نه نداریم. منظور ما این نمی‌باشد. کد تغییر داده شدهً EA در انتهای مقاله موجود است. تست با پارامترهای shift= 4 ,limit=10  . pr-limit=1  با لات ثابت 0.1 در پریود زمانی بین 2004.01.01  تا 2008.04.04 انجام شده (سرمایه اولیه $1k است.) این منحنی با لات است

این منحنی مساوی یک فرو رفتگی کوچک است که در خود تستر قابل مشاهده است اما در شکل دیده نمی‌شود . که در پریود زمانی بین 2004.12.31  تا 2005.01.07  از شمارهً 57890 تا 58857  می‌باشد. بگذارید این فرو رفتگی را به تفصیل در این محدودهً زمانی تحلیل کنیم. ( لات معادل 0.1 و ثابت است. بالانس اولیه در این قسمت مهم نمی‌باشد و 1000$ فرض شده زیرا ما علاقمند به اندازهً درودان  به پوینت (point) می‌باشیم نه به دلار.)

می‌توانیم ببینیم که بالانس حداکثر تقریبا معادل $1050  شده و حداقل آن $690  است. درودان  با لات 0.1 معادل $360 یعنی 360 پوینت. با انجام محاسباتی مشابه با آنچه قبلاٌ شرح داده شد، ما در می‌یابیم که با مدیریت سرمایهً هندسی این مقدار %36 درودان  رسیده است. بگذارید که این قضیه را در عمل با تست کردن همان زمان کوتاه با مدیریت سرمایهً هندسی اثبات کنیم. ( دقت در تابع GetLost() را به 0.01 گرد می‌کنیم یعنی با دو رقم اعشار)

درودان  واقعی حدود 32 درصد است ( زیرا آ نتیجهً یک اردر نمی‌باشد)، بهرحال ما اینجا چه چیزی می‌بینیم؟ تقریبا هیچ فرورفتگی در وسط نمودار دیده نمی‌شود (با 0.1 لات درودان  تقریبا معادل %0.5  68000/360 که در شکلهای مربوطه در حدود 60 برابر رشد کرده است! و این قسمتی از درودان  در انتهای دورهً زمانی است که تنها %0.98 با لات 0.1 است اما 1660 پوینت می‌باشد. این درودان  در عمل سرمایه را نابود می‌کند. اما اکنون ناکارآمد می‌باشد…

و حال بگذریم یک مثال ساختگی در نگاه اول با حس عمومی منطبق نمی‌باشد، بسازیم.

مثال مغایرت دار : تحقیق سطحی

بر پایه مشاهدهً دو معامله پشت سر هم مشابه پوینت (pointd) اما با علامت مخالف می‌تواند سبب ضرر در مدیریت سرمایهً تنها می‌باشد. ما می‌توانیم چنین منحنی بالائی را با رشد ثابت زمانیک با لات 0.1 تست شده ایجاد کنیم که زمانیکه با مدیریت سرمایهً هندسی تست شود، کاراکتر خود را تغییر دهد و به منحنی که بطور ثابت سقوط می‌کند تبدیل شود.

نمودارهای ایجاد شده بوسیلهً Excel در زیر نمایش داده شده. مثال براساس این ایده است که معاملات ما بطور متناوب با نتایجشان (سور/ضرر) تغییر می‌کند. ابتدا ما معامله‌ای با 100 پویمنت سود داریم و سپس با مدیریت سرمایهً هندسی به معامله ضرر ده می‌رویم بطوریکه ما ضرری برابر مجموع دو معامله را داریم زمانیکه به 0.1 لات ثابت در مجموع در سود می‌باشیم. حدود پایین بروکرها برای حداقل لات در نظر گرفته می‌شود.(0.1 و 0.01 متناظراً با توجه به Alpair-Icd) بنابراین هیچ حالتی نباید سرمایهً کمتر از 1000 داشته باشد زیرا حد پایین ما در اینجا 0.1 لات است. به منظور جلوگیری از چنین گرفتاری در  “مرز‌های سرمایه”، سرمایهَ اولیه حدود 10 برابر بزرگتر از قبل 1000$ در نطر گرفته شود.

چیزی که بدست می‌آوریم: علی رغم واقعیتی که با سود 100 پوینت و مقدار ضروری که دقیقا در پوینت محاسبه می‌شود، با مدیریت سرمایهً هندسی ضرر ما معادل سودی است که قبل از این گرفته شده، هنوز در واقعیت محدوده‌ای وجود دارد که مقادیر معاملات ضرر ده، که بالانس در آن وارد یک سیگنال مقادیر پایدار و ثابت می‌شود، در یک محدودهً مشخص، من هنوز دلیل آخرا نمی‌دانم. در زیر شما نمودارها را مشاهده می‌کنید. سرمایهً اولیه همیشه برابر $1000 است. سود معامله 100 پوینت و نسبت مدیریت سرمایه برابر 0.1 لات به ازای هر 1000 دلار سرمایه می‌باشد.

ضرر معامله-91 پوینت (سود معامله بزرگتر از ضرر آن است در حدود 9 پوینت)

شکل بالاتر هر دو منحنی برای مدیریت سرمایه‌های مختلف را نشان می‌دهد، زیرا آن همان منحنی بالانس با لات0.1 ثابت، زوم شده تا دندانه‌های نمودار را نشان دهد. منحنی دوم در اینجا نشان داده نشده، زیرا کارکتر آن همان با دیگری می‌باشدو شکل با انتظار ریاضی ضرر 91 پوینت آستانه یک معاملهً ضرر ده را نشان داده است.

که در آن یک سیستم سود ده رسمی با 0.1 لات تبدیل به یک سیستم بدون سود و بدون ضرر می‌شود زمانیکه با مدیریت سرمایهً هندسی استفاده شود.

نمودار بعدی- ضرر معامله 92 پوینت ( سود معامله با 8 پوینت بزرگتر از ضرر معامله)

معامله با ضرر 93 پوینت – 94 پوینت و 96 پوینت

می‌بینید؟! چشم‌انداز منحنی‌ها متفاوت است ( خلاف هم حرکت می‌کنند) البته یک سیستم زنده به سختی می‌تواند پایدار باشد، اما من این مثال را شرح داده تا روشن کنم چه اتفاقی می‌افتد اگر ما یک نمودار تست با لات 0.1 را با نگاهی انتقادی بررسی نکنیم. اکنون بیایید ببینیم چه اتفاقی خواهد افتاد اگر ما سیستم مدیریت سرمایه را تهاجمی‌تر کنیم. (به طور مثال 0.2 با 0.33 لات به ازای هر 1000 دلار سرمایه، شما چنین چیزهایی را در نم…. می‌بینید.)

شما اینجا تنها نمودارهایی را دیدید که (با سود 100 پوینت) محدود به مقادیر خاصی از ضرر بود. اگر معامله ضرر ده از مرزهای ما تجاوز کند، رفتار منحنی‌ها در مدیریت سرمایه هندسی حتی بدتر خواهد شد.

معاملهً ضرر دار-84 پوینت ( سود بیشتر از ضرر با 16 پوینت)

معاملهً ضرر ده- 75 پوینت (سود بیشتر از ضرر با 25 پوینت)

نتیجه: تهاجمی‌تر بودن یک استراتژی با انتظارات ریاضی تغییر نکرده از سود معامله، نیاز به آن استراتژی را بیشتر می‌کند. انتظارات ریاضی یک معامله باید به پوینت افزایش یابد. ما می‌توانیم فرمولی تعیین کنیم که مقدار آستانه ضرر معامله به پوینت را با پارامترهای زیر بگوید:

سود یک معاملع سود ده (profit)

تهاجمی بودن مدیریت سرمایه یعنی حجم پوزیشن با لکت (aggr) در ازای هر 10k سرمایه‌گذاری

مقدار یک پوینت برای یک لات برای امنیت (pointval)

برای اثبات فرمول ما تنها نیاز به باز کردن دو معاملهً اولی داریم که از 10k$ سرمایه شروع می شود و سپس این همبستگی صرفنظر از سرمایهً بدست آمده می‌باشد.( این قضیه قبلا ثابت شده زیرا استفاده از پارامتر  x لغو شده است.)

1-اولین معامله سود دارد:

سرمایه در حدود $10k است. ما سودی معادل با

Aggr*profit*pointval

به دست می‌آوریم.

2-معامله دوم را بار کنید که ضرر ده است. :

در زمان باز کردن معامله سرمایه برابر 1000+aggr*profit*pointval برابر 10k*(1+aggr*profit*pointval/10000) است،

حجم معامله برابر aggr*(1+aggr*profit*pointval/10000)

ضرر معامله در اینجا برابر است با pointval *loss*aggr*(1+aggr*profit*pointval/10000)

3-هر معاملهً بالا را برابر قرار ده و فرمول ضرر را محاسبه می‌کنیم

Loss = profit /(1+aggr*profit*pointval 10 /10000)

اجازه دهید صحت فرمول را روی جفت ارز EURUSD ، (pointval=$10k)(ارزش هر پوینت 10 دلار است با 1 لات)

اگر profit=100 و aggr=1 ما ضرر را به صورت Loss=100/(1+1*100*100/10000) برابر Loss=100/102 =90.91 پیپ بدست می‌آوریم. همچتاتکه قبلا دیدید آستانه در این حالت 91 پوینت می‌باشد. (اولین نمودار را ببینید)

اگر profit=100 و aggr=2 تقریبا برابر 83.33، -Loss=100/102  آستانهً ضرر طبق قبل برابر 84 پوینت است.

اگر profit=100 و  aggr=3.33 ، Loss=100/1.33 تقریبا برابر 75.19 آستانه ضرر برابر 75 پوینت است.

تطابق با داده‌های تجربی بد نیست و مطابقت نسبتاٌ خوبی دارد. نمودار بالانس واقعی نمی‌تواند به ایت صورت باشد: درصد نسبت سود و ضرر (معامله‌ها) برابر نمی‌باشد. ما سعی در بکارگیری مدلهایی با حالتهای پیچیده‌تر نداریم. زیرا اصول اساسی ساخت منحنی بالانس مصنوعی روشن است. بگذارید تحقیقمان را با تست EA با نوع سوم مدیریت سرمایه که “میانه‌رو” نامیده می‌شود، تمام کنیم.

تست شمارهً 3: لات با ریشهً د.م (جذر) سرمایه متناسب باشد:

RF=32764.09 /5632.51 = 5.82

در این حالت سرمایه اولیه برابر 1000 دلار و سایز لات 0.1 است.

این مدیریت سرمایه پوزیشنهایی را می‌گیرد که نتایج آن بین دو حالت قبلی است. حداکثر ضرر خیلی بزرگ نمی‌باشد. اما درودان  نسبی هنوز بزرگ است، البته خیلی کمتر از مدیریت سرمایهً هندسی می‌باشد با این اوصاف، منحنی کاملاً جذابتر و بهتری نسبت به حالت دوم دارد، (برایEA=”20-200”). به علاوه بسیار با ثبات‌تر از دومی می‌باشد.

حالتهای مختلفی از متغیرها موجود می‌باشد. اگر ما سرمایهً اولیه را 1000 دلار و لات اولیه 0.1 بگیریم

;Case2 : size = 1*Math sqrt (Account Balance()/10000)

برای تقریبا 8 سال  سود ما تقریبا 10 برابر می‌شود. اما درودان  نسبی تغییری نمی‌کند.

نتیجه‌گیری نهایی از مقاله

بیشتر نتایج این مقاله مربوط به قسمتی که مدیریت سرمایه هندسی را بررسی می‌کرد، مربوط می‌شود. نویسنده قصد دارد تا مقاله دوم سری “مغالطه” را برای پوشش قوانین آماری که در تحلیل نتایج معاملات بعضی از استراتژیهای “محبوب” اختصاص می‌دهد. سطح مطالب آن از مقاله حاضر بالاتر خواهد بود ولی غیر قابل فهم نمی‌باشد.

و اکنون آخرین نظرم را درباره مقاله می‌گویم : بله؛ مدیریت سرمایه در مرتبه‌ی دوم قرار دارد، زیرا مدیریت سرمایه استراتژی که با 0.9 لات نتایج بدی می‌دهد، کمک نمی‌کند و آنرا سود ده نمی‌سازد. به هرحال جمله “و هرگز از یک چیز خوب، خیلی زیاد استفاده نکن.” به معنی اینکه هر استراتژی هر چند خیلی قوی با مدیریت سرمایه‌های گوناگون حتی اگر خیلی سود ده و قوی باشد، می‌تواند توسط یک مدیریت سرمایه تهاجمی نامناسب، نابود شود. به همین دلیل است که پیوسته بر ضرورت استفاده از آموزش مدیریت سرمایه‌ی مناسب تاکید می‌شود. البته مشخص است که می‌توان از سفارش کد مدیریت سرمایه و نرم افزار مدیریت سرمایه هم استفاده کرد.

 

سلب مسئولیت

کاربر گرامی سایت، هدف ما از ارائه‌ی مقاله ها نشر علم و بالا بردن سطح آگاهی مباحث مدیریت سرمایه بوده و مسئولیت استفاده از تمامی مطالب و مقاله‌های سایت را، از خود سلب می‌نماید.

5 1 رای
امتیازدهی به مقاله
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
سبد خرید
هیچ محصولی در سبد خرید وجود ندارد!
خرید را ادامه دهید