Money management a Profit Factor (díl 10.)

V minulém díle jsme si ukázali praktickou ukázku Fixed Fraction a Fixed Ratio metody na konkrétním obchodním systému.  V závěru jsme si naznačili, že existuje způsob, jak si simulovat vývoj strategie do budoucna tzv. Monte Carlo analýzu. Tu si však necháme až na příště. Než se do Monte Carlo analýzy pustíme, je dobré si říci něco o tom, jak ovlivňuje MM kvalita samotného obchodního systému.

Vrátíme se tak trochu k tomu, co jsme si ukazovali v 6 dílu – házení mincí. Když jsme házeli mincí, tak jsme kalkulovali s výnosem o velikosti 1,25 násobku sázky při výhře a ztrátou o velikosti 1 násobku sázky v případě prohry. Vzhledem k tomu, že dlouhodobě se blíží procento výher k 50% ze všech hodů, má tento systém pozitivní matematické očekávání. Víme tedy, že hrát tuto hru nám v dlouhodobém horizontu zajišťuje výhru.

Dnes si však položíme jinou otázku. Je takovýto systém dostatečně dobrý? A jak efektivní bude aplikace MM? Nasimuloval jsem 3 varianty her za podmínek: počáteční vklad 1.000 Kč, 500 hodů a vždy vsázíme stejnou výši sázky 20 Kč, na druhém grafu je pak výsledek při aplikace FF pro 2%.

V první variantě byla úspěšnost 54,2% a dosáhli jsme zisku 2.194 Kč. Při aplikaci MM FF 2% se náš zisk zvýší až na 6.887 Kč. V dalších 2 simulacích již výsledek tak dobrý není. U druhého případu se zisk zvýší z 980 Kč na 1.347 Kč, avšak u 3 simulace je výsledek skoro stejný.

Co můžeme z těchto případů vyvodit? Účinek MM je podmíněn kvalitou systému. Systém s malým Profit Factorem nám neumožní výrazně zvýšit jeho výkon ani využitím MM. Co je to Profit factor? Vypočteme ho následovně:

Profit Factor = pravděpodobnost zisku * průměrný zisk / pravděpodobnost ztráty * průměrná ztráta

Profit Factor je velmi dobrý indikátor kvality systému. Systémy, které dosahují hodnot vyšších než 1,50 lze považovat za dobré. Systémy s hodnotou Profit Factoru vyšší než 1,75 lze hodnotit jako velmi dobré a systémy s hodnotou vyšší než 2,0 za excelentní.

Kliknutím na následující odkaz se otevře soubor v excelu, který simuluje náš již známý systém házení mincí, pro různé úrovně Profit factoru. Soubor simuluje hru, kdy při výhře dostáváme 1,25, 1,50, 1,75 a 2,0 násobek sázky:

Na obrázku vidíte 3 variantu hry z předchozího obrázku. Křivka pro 1,25 násobek sázky je poměrně plochá. Pokud však dostáváme 2 násobek sázky je křivka ekvity parádní. Všimněte si toho, že profit factor se v průběhu času mění. Pokud by byla ziskovost 50% rovnal by se celkový profit factor přímo násobku 1,25 resp. 1,5 nebo 1,75 nebo 2,0. Vzhledem k tomu, že ziskovost v simulovaném vzorku byla 47,2% je výsledný Profit Factor (PF) o něco horší. Na obrázku pod grafy je vidět, jak se liší PF v jednotlivých 100 hodech (v závislosti na % ziskovosti v daném souboru 100 hodů). Všimněte si, mezi 201-300 hody byla ziskovost nejmenší a tedy i PF dosáhl nejnižších hodnot. Naopak v prvních 100 hodech jsme dosáhli nejlepší % ziskovosti a tedy i PF.

Stisknutím klávesy F9 získáte novou simulaci. Platí, že všechny 4 grafy vychází ze stejné sekvence ziskových a ztrátových obchodů, rozdíl je pouze v násobku u ziskových obchodů. Nicméně je vidět, že rozdíl je naprosto zásadní. U 1,25 násobku je křivka equity poměrně plochá s malým ziskem u 2,0 násobku získáváme naprosto famózní equity křivku. Jak by vypadal zisk po aplikaci MM Fixed Fraction 2,0% vidíte na následujícím obrázku:

U násobku 1,25 je účinek MM mizerný, ale u 2 násobku jsme dosáhli zisku takřka 50.000 Kč!  

Cílem bylo Vám dnes ukázat, že MM umí umocnit náš zisk (což jsme již viděli v minulých dílech), ale dnes už víme, že důležité je, abychom měli kvalitní obchodní systém s co největším PF. Pokud nemáme kvalitní obchodní systém, žádny MM nám stejně nepomůže.

Zkuste si stiskem klávesy F9 vygenerovat další simulace a prozkoumejte dopady různé úrovně agresivity MM tím, že budete měnit % risku. Zkuste např. změnit 2% risku na 5%, 10% či 15%.

Pokud budete opakovaně mačkat klávesu F9 a budete si zapisovat výsledky jednotlivých variant budete nevědomky provádět tzv. Monte Carlo analýzu. Pokud byste provedli 100 simulací a zapisovali jste si výsledky, zjistíte např. že nejhorší zisk pro 1,25 násobek byl 350 Kč a nejlepší 2.015 Kč. Můžete si spočítat průměrný zisk, můžete zjistit například to, že v 50% případů byl zisk vyšší než 960 Kč atd. Jinak řečeno získáte představu o tom, v jakém rozmezí lze očekávat vývoj tohoto „obchodního systému“ v budoucnosti.

V příštím díle se vrátíme k našemu obchodnímu systému, který jsme si představili v minulém díle (Breakout na EURUSD) a ukážeme si na tomto reálném obchodním systému aplikaci Monte Carlo analýzy. Ukážeme si, jak vyhodnotit výstupy z Monte Carlo analýzy a uděláme rozhodnutí o tom, jaký MM uplatníme při live obchodovaní.

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *