ابزارهای احتمال برای تجارت بهتر فارکس

برای موفقیت ، معامله گران فارکس باید ریاضیات اساسی احتمال را بدانند. از این گذشته ، دستیابی و حفظ سود معاملات دشوار است بدون اینکه ابتدا توانایی درک اعداد و اندازه گیری آنها را داشته باشید.

بسیاری از معامله گران از ترکیبی از شاخص های جعبه سیاه برای تدوین و اجرای قوانین تجارت استفاده می کنند. با این حال ، تفاوت بین یک معامله گر "خوب" و یک چیز عالی ، درک او از معیارها و روشهای محاسبه عملکرد و سود است.

احتمال و آمار کلید توسعه ، آزمایش و سودآوری از تجارت فارکس است. با دانستن چند ابزار احتمال ، برای معامله گران آسان تر است که اهداف معاملاتی را از نظر ریاضی تعیین کنند ، استراتژی های تجاری مؤثر ایجاد و کار کنند و نتایج را ارزیابی کنند.

بررسی اساسی ترین مفاهیم احتمال و آمار برای تجارت فارکس مفید است. با درک ریاضی احتمال ، منطق مورد استفاده توسط سیستم های تجاری مکانیکی و مشاوران متخصص (EA) را می دانید.

توزیع نرمال

اساسی ترین ابزار احتمال در تجارت فارکس مفهوم توزیع عادی است. گفته می شود که بیشتر فرآیندهای طبیعی "به طور عادی توزیع می شوند".

"توزیع یکنواخت" دلالت بر این دارد که احتمال وجود یک عدد در هر نقطه در یک زنجیره تقریباً برابر است. این نوع توزیع است که ناشی از گسترش مصنوعی اشیاء به طور مساوی در یک منطقه است ، با فاصله یکنواخت بین آنها.

با این حال ، به جای توزیع یکنواخت ، احتمالاً قیمت یک جفت ارز در هر زمان معینی در یک منطقه خاص یافت می شود. این "توزیع عادی" آن است و ابزارهای احتمال می توانند تقریب ای را که احتمالاً آن قیمت یافت می شود نشان دهد.

توزیع عادی ، معامله گران فارکس را با توجه به احتمال اینکه قیمت جفت ارز در طی یک بازه زمانی خاص به سطح معینی برسد ، قدرت پیش بینی کننده فارکس را ارائه می دهد.

رایانه ها برای تعیین توزیع عادی خود از یک ژنراتور شماره تصادفی برای محاسبه میانگین (میانگین) قیمت فارکس استفاده می کنند.

اگر تعداد زیادی قیمت نمونه بررسی شود ، توزیع عادی شکل یک منحنی زنگ را هنگام ترسیم گرافیکی تشکیل می دهد. هرچه تعداد نمونه ها بیشتر باشد ، منحنی نرم تر خواهد بود.

قوانین میانگین ساده برای معامله گران مفید است ، اما قوانین توزیع عادی قدرت پیش بینی مفید تری را ارائه می دهد. به عنوان مثال ، یک معامله گر ممکن است محاسبه کند که حرکت روزانه "متوسط" یک جفت فارکس ، مثلاً ، 50 پیپ است.

با این حال ، توزیع عادی همچنین می تواند به معامله گر این احتمال را بگوید که یک حرکت روزانه خاص قیمت بین 30 تا 50 پیپ یا بین 50 تا 70 پیپ سقوط کند.

طبق قوانین توزیع عادی و انحراف استاندارد ، تقریباً 68 ٪ از نمونه ها در یک انحراف استاندارد از میانگین (میانگین) یافت می شوند و حدود 95 ٪ در دو انحراف استاندارد از میانگین یافت می شود. سرانجام ، احتمال 99. 7 ٪ وجود دارد که نمونه در سه انحراف استاندارد از میانگین قرار گیرد.

توزیع عادی و کارکردهای انحراف استاندارد در مشاوران خبره (EA) و سیستم های معاملاتی به معامله گران فارکس کمک می کند تا احتمال اینکه قیمت ها ممکن است مبلغ مشخصی را در یک دوره زمانی معین منتقل کنند ، ارزیابی کنند.

با این حال ، معامله گران هنگام استفاده از مفهوم توزیع عادی به تنهایی برای اهداف مدیریت ریسک باید محتاط باشند. حتی اگر احتمال یک واقعه نادر (مانند کاهش قیمت 50 ٪) ممکن است کم به نظر برسد ، فاکتورهای بازار پیش بینی نشده می توانند این احتمال را بسیار بالاتر از آنچه در محاسبات توزیع عادی ظاهر می شود ، کند.

قابلیت اطمینان تجزیه و تحلیل به کمیت و کیفیت داده ها بستگی دارد

هنگام مدل سازی منحنی های توزیع عادی ، میزان و کیفیت داده های قیمت ورودی بسیار مهم است. هرچه تعداد نمونه ها بیشتر باشد ، منحنی نرم تر خواهد بود. همچنین ، برای جلوگیری از خطاهای محاسبه ناشی از داده های ناکافی ، مهم است که هر محاسبه بر اساس حداقل سی نمونه باشد.

بنابراین ، برای آزمایش یک استراتژی تجارت فارکس با برآورد نتایج حاصل از معاملات نمونه ، توسعه دهنده سیستم باید حداقل 30 معاملات را تجزیه و تحلیل کند تا به نتیجه گیری های آماری در رابطه با پارامترهای مورد آزمایش برسد. به همین ترتیب ، نتایج حاصل از مطالعه 500 معاملات قابل اطمینان تر از نتایج حاصل از تجزیه و تحلیل تنها 50 معاملات است.

پراکندگی و انتظار ریاضی برای برآورد خطر

برای معامله گران فارکس ، مهمترین ویژگی های توزیع ، انتظار و پراکندگی ریاضی آن است. انتظار ریاضی برای یک سری از معاملات به راحتی محاسبه می شود: فقط تمام نتایج تجارت را اضافه کرده و آن مبلغ را با تعداد معاملات تقسیم کنید.

اگر سیستم تجارت سودآور باشد ، انتظار ریاضی مثبت است. اگر انتظار ریاضی منفی باشد ، سیستم به طور متوسط از دست می رود.

شیب نسبی یا صاف بودن منحنی توزیع با اندازه گیری گسترش یا پراکندگی مقادیر قیمت در منطقه انتظار ریاضی نشان داده شده است. به طور معمول ، انتظار ریاضی برای هر مقدار به طور تصادفی توزیع شده به عنوان m (x) توصیف می شود.

بنابراین ، پراکندگی را می توان به عنوان d (x) = m [(x-m (x)] 2 تعریف کرد.

و ، ریشه مربع پراکندگی ، انحراف استاندارد آن نامیده می شود ، که در دوره ریاضی به عنوان سیگما (σ) نشان داده شده است.

پراکندگی و انحراف استاندارد برای مدیریت ریسک در سیستم های معاملاتی فارکس بسیار مهم است. هرچه مقدار انحراف استاندارد بالاتر باشد ، افزایش بالقوه بالاتر خواهد بود و خطر آن نیز بیشتر خواهد بود. به همین ترتیب ، هرچه مقدار برای انحراف استاندارد پایین تر باشد ، در هنگام تجارت سیستم ، پایین تر خواهد بود.

به عنوان مثال ، در زیر یک ارزیابی ریسک نمونه برای آزمایش یک سیستم معاملاتی فارکس وجود دارد:

شماره تجارت X (سود یا ضرر تجارت)

1-17. 08 2-41. 00 3 147. 80 4-159. 97 5 216. 97 6 98. 30 7-87. 75 8-27. 83 9 12. 34 10 48. 14 1 1-60. 92 12 10. 62 1 3-125. 43 1 4-27. 82 15 88. 82 15 88. 02 16 32. 94 175421 145. 65 22 48. 43 23 77. 39 24 57. 49 25 67. 75 2 6-127. 10 2 7-70. 19 2 8-127. 60 29 31. 31 3 0-12. 55

در مثال فوق بر اساس حداقل تعداد سی معاملات برای یک نمونه کافی ، ذکر این نکته حائز اهمیت است که انتظار ریاضی مثبت است ، بنابراین استراتژی تجارت فارکس در واقع سودآور است.

با این حال ، انحراف استاندارد زیاد است ، بنابراین برای به دست آوردن هر دلار معامله گر مبلغ بسیار بیشتری را به خطر می اندازد. این سیستم ریسک قابل توجهی دارد.

در اینجا بقیه ریاضیات وجود دارد: برای تعیین انتظار ریاضی برای این گروه از معاملات ، تمام سود و زیان معاملات را با هم اضافه کنید ، سپس به 30 تقسیم کنید. این میانگین ارزش M (x) برای همه معاملات است. در این حالت ، برابر با میانگین سود 4. 26 دلار در هر تجارت است. تاکنون ، این سیستم امیدوار کننده به نظر می رسد.

در مرحله بعد ، برای محاسبه انحراف استاندارد پراکندگی ، میانگین متوسط 4. 26 دلار از نتایج هر تجارت کم می شود ، سپس مربع است و مجموع این مربع ها با هم اضافه می شوند. این مبلغ به 29 تقسیم می شود که تعداد کل معاملات منهای 1 است.

با استفاده از فرمول برای پراکندگی (x) = m [(x-m (x)] 2 که در بالا آورده شده است ، در اینجا یک بررسی از محاسبه از اولین تجارت در مثال ما آورده شده است:

تجارت 1: -17. 0 8-4. 26 = -21. 34 ، و (-21. 34) 2 = 455. 39

همان محاسبه برای هر تجارت در سری آزمون انجام می شود. در این مثال ، پراکندگی سریال برابر با 9،353. 62 است و با تعریف ریشه مربع آن برابر با انحراف استاندارد (σ) است ، که در این حالت 96. 71 دلار است.

بنابراین معامله گر فارکس می بیند که خطر این سیستم خاص نسبتاً زیاد است: انتظار ریاضی در واقع مثبت است ، با میانگین سود 4. 26 دلار در هر تجارت ، اما انحراف استاندارد در مقایسه با آن سود بالا است.

مشاهده می شود که معامله گر برای هر فرصتی برای کسب 4. 26 دلار سود در حدود 96. 71 دلار در معرض خطر است. این ریسک ممکن است قابل قبول باشد ، یا معامله گر ممکن است در جستجوی ریسک پایین تر سیستم را تغییر دهد.

نمره Z

فراتر از ریسک پذیری یک سیستم معاملاتی خاص ، معامله گران فارکس همچنین می توانند از توزیع عادی و انحراف استاندارد برای محاسبه نمره Z استفاده کنند ، که نشان می دهد معاملات سودآور در رابطه با از دست دادن معاملات چه اتفاقی می افتد.

در طی فرآیند توسعه یک سیستم تجارت برنده فارکس ، معامله گر ممکن است تعجب کند که چه تعداد از معاملات سودآور دیده شده در طول آزمایش "تصادفی" بوده است ، و برای دستیابی به معاملات برنده ، چه تعداد معاملات از دست دادن متوالی باید تحمل شود.

به عنوان مثال ، فرض می کنیم متوسط سود مورد انتظار از یک سیستم معاملاتی فارکس داده شده چهار برابر کمتر از مبلغ ضرر مورد انتظار از هر دستور توقف از دست دادن در هنگام تجارت این سیستم باشد.

برخی از معامله گران ممکن است تصور کنند که این سیستم به مرور زمان برنده خواهد شد ، تا زمانی که به طور متوسط حداقل یک تجارت سودآور برای هر چهار تجارت باخت وجود داشته باشد. با این حال ، بسته به توزیع برنده ها و ضررها ، در طول تجارت در دنیای واقعی این سیستم ممکن است خیلی عمیق پیش برود تا به موقع برای برنده بعدی بهبود یابد.

از توزیع عادی می توان برای تولید یک نمره Z استفاده کرد ، که گاهی اوقات نمره استاندارد نامیده می شود ، که به معامله گران اجازه می دهد نه تنها نسبت برد به ضرر را تخمین بزنند ، بلکه احتمالاً تعداد برنده ها/ضرر نیز به طور متوالی رخ می دهد.

یک نمره Z مثبت یک مقدار بالاتر از میانگین را نشان می دهد ، و یک نمره Z منفی یک مقدار زیر میانگین را نشان می دهد. برای به دست آوردن این مقدار ، معامله گر میانگین جمعیت را از یک ارزش خام فردی جدا می کند و سپس تفاوت را بر اساس انحراف استاندارد جمعیت تقسیم می کند.

محاسبه نمره استاندارد پایه برای نمره خام که به عنوان X تعیین شده است:

جایی که μ میانگین جمعیت است و σ انحراف استاندارد جمعیت است. درک این نکته مهم است که محاسبه نمره Z مستلزم آن است که معامله گر پارامترهای جمعیت را بشناسد ، نه صرفاً ویژگی های نمونه ای که از آن جمعیت گرفته شده است.

Z نشان دهنده فاصله بین میانگین جمعیت و نمره خام است که در واحدهای انحراف استاندارد بیان شده است. بنابراین ، برای یک سیستم معاملاتی فارکس:

z = [n x (r - 0. 5) - p] / [(p x (p - n)] / (n - 1)] ½

n تعداد کل معاملات در طول یک سری است. R تعداد کل سری معاملات برنده و از دست دادن است. P برابر با 2 x w x l w تعداد کل معاملات برنده در یک سری L تعداد کل معاملات از دست دادن در طول یک سری است

سری های فردی را می توان با یک توالی متوالی از پلاس یا منهای (به عنوان مثال +++ یا -) نشان داد. R تعداد چنین سریال ها را شمارش می کند.

Z می تواند ارزیابی از اینکه آیا یک سیستم معاملاتی فارکس در حال کار است ، یا اینکه ممکن است خارج از هدف باشد ، ارائه دهد.

به همان اندازه مهم ، یک معامله گر می تواند از Z-Score استفاده کند تا مشخص کند که آیا یک سیستم معاملاتی حاوی سری کمتر یا بیشتر برندگان و بازندگان از آنچه انتظار می رود از یک دنباله تصادفی از معاملات باشد-به عبارت دیگر ، خواه نتایج معاملات متوالی به یکدیگر وابسته باشدواد

اگر نمره Z نزدیک به 0 باشد ، توزیع نتایج تجارت در نزدیکی توزیع عادی است. نمره دنباله ای از معاملات ممکن است نشان دهنده وابستگی بین نتایج آن معاملات باشد.

این امر به این دلیل است که یک مقدار تصادفی عادی از مقدار متوسط با بیش از سه سیگما (3 x σ) با اطمینان 99. 7 ٪ منحرف می شود. این که آیا مقدار Z مثبت است یا منفی ، معامله گر را در مورد نوع وابستگی مطلع می کند: یک مقدار Z مثبت نشان می دهد که تجارت سودآور توسط یک بازنده دنبال می شود.

و ، مثبت Z نشان می دهد که تجارت سودآور توسط یک سود دیگر دنبال خواهد شد و یک بازنده با ضرر دیگری دنبال می شود. این وابستگی مشاهده شده به معامله گر فارکس اجازه می دهد تا اندازه موقعیت برای معاملات فردی را تغییر دهد تا به مدیریت ریسک کمک کند.

نسبت شارپ

نسبت شارپ یا نسبت پاداش به متغیر ، یکی از با ارزش ترین ابزارهای احتمال برای معامله گران فارکس است. همانطور که با روشهای توضیح داده شده در بالا ، متکی به استفاده از مفاهیم توزیع عادی و انحراف استاندارد است. این روش به معامله گران می دهد تا با تنظیم ریسک ، عملکرد یک سیستم معاملاتی را بررسی کنند.

اولین قدم محاسبه بازده دوره برگزاری (HPR) است. به عنوان مثال ، تجارتی که منجر به سود 10 ٪ شود ، دارای HPR است که به عنوان 1 + 0. 10 = 1. 10 محاسبه می شود در حالی که تجارت 10 ٪ از دست می دهد به عنوان 1 - 0. 10 = 0. 90 محاسبه می شود.

به همین ترتیب ، HPR را می توان با تقسیم مبلغ تعادل پس از تجارت با مبلغ قبل از تجارت محاسبه کرد. بازده متوسط دوره برگزاری (AHPR) با اضافه کردن تمام بازده های دوره نگهدارنده فردی ، سپس تقسیم بر تعداد معاملات محاسبه می شود.

AHPR به خودی خود میانگین حسابی را تولید می کند که ممکن است عملکرد یک سیستم معاملات فارکس را با گذشت زمان به درستی تخمین بزند. در عوض ، با استفاده از نسبت شارپ ، می توان راندمان سرمایه گذاری یک سیستم تجاری را از نزدیک تخمین زد ، که نشان می دهد چگونه AHPR منهای نرخ ریسک بازده سرمایه گذاری بلند مدت مربوط به انحراف استاندارد سیستم معاملاتی است.

نسبت شارپ = [AHPR - (1 + RFR)] / SD

هنگامی که AHPR میانگین بازده دوره برگزاری است ، RFR نرخ بازده بدون ریسک از سرمایه گذاری های "ایمن" مانند نرخ بهره بانکی یا نرخ باند T بلند مدت است و SD انحراف استاندارد است.

از آنجا که بیش از 99 ٪ از کل مقادیر تصادفی در فاصله 3σ پوند در حدود میانگین مقدار m (x) برای یک سیستم معاملاتی معین قرار می گیرند ، هرچه نسبت شارپ بالاتر باشد ، سیستم تجارت کارآمدتر است.

به عنوان مثال ، اگر نسبت شارپ برای نتایج تجاری به طور معمول توزیع شده 3 باشد ، نشان می دهد که طبق قانون 3 سیگما ، احتمال از دست دادن کمتر از 1 ٪ در هر تجارت است.

مفاهیم توزیع عادی ، پراکندگی ، نمره Z و نسبت شارپ در حال حاضر در لگاریتم های سیستم های تجارت EAS و مکانیکی گنجانیده شده است و سودمندی آنها برای اکثر معامله گران نامرئی است.

با این حال ، با دانستن اینکه چگونه این ابزارهای اصلی احتمال کار می کنند ، معامله گران فارکس می توانند درک عمیق تری از نحوه عملکرد سیستم های خودکار عملکرد خود داشته باشند و از این طریق احتمال برنده شدن در معاملات را افزایش دهند.

آیا در حال حاضر از ابزارهای احتمال برای افزایش شانس خود برای موفقیت استفاده می کنید؟