Meny

CFD-mäklare

AvaTrade  Admirals

XM  XTB

IG  Plus500

Pepperstone  ActivTrades

Socialt nätverk

darwinex  ZuluTrade

Krypto valutor

Binance  Coinhouse

Bitpanda

Finansierat konto

FundedNext  FTMO

E8  The 5%ers

City Traders Imperium  

Position Sizing - Beräkning av positionsstorlekar baserat på risk

Position Sizing

"Position Sizing " (en term myntad av Van K. Tharp) eller positionstorlekar, berättar hur mycket du kan investera i varje position baserat på den risk du kan ta mot dina mål och din strategis prestanda . Detta är ett av de viktigaste begreppen som alla handlare borde veta!

1. Risk och R

I sin berömda bok "Trade your Way to your Financial Freedom" säger Van K. Tharp att en av de viktigaste principerna för framgång i handel är att investeraren alltid ska känna till sin initiala risk innan han tar en position.

Han föreslår att denna risk bör normaliseras och han kallar den R. Dina vinster bör också normaliseras till en multipel av R, vår initiala risk.

Risken på en enhet är en direkt beräkning av skillnaden i poäng, fästingar, pips eller cent mellan ingångspunkten och stoppförlusten multiplicerat med värdet på det tillåtna partiet eller pipminimumet.

Ta till exempel risken för ett mikrolott på EUR / USD-paret:

  • Mikrolottstorlek: 1000 enheter
  • Ingångspunkt: 1.19344
  • Stop loss: 1.19621
  • Skillnad mellan in- och stoppförlust: 0,00277

Dollarrisk för ett mikroparti: 0,00277 * 1000 = 2,77 dollar
I det här fallet, om näringsidkaren sätter sin risk i $ R (det belopp han vill riskera vid en handel) till $ 100, vad ska hans positionsstorlek vara?

  • Positionsstorlek: $ 100 / $ 2,77 = -36 mikropartier (detta är en kort handel)

Med detta koncept kan vi normalisera storleken på vår position baserat på den valda dollarrisken. Till exempel, om enhetsrisken i det föregående exemplet istället var $ 5, skulle positionens storlek vara:

  • $ 100/5 = 20 mikropartier.

Vi skulle gå in i en position med standard och kontrollerad risk oberoende av avståndet mellan inresa och stoppförlust.

2. Vinstmål som multiplar av R

Våra vinster kan normaliseras till multiplar av den initiala risken R. Det spelar ingen roll om vi ändrar vår risk till dollar från $ 100 till $ 150. Om du behåller data med multiplar av R får du en normaliserad historik för ditt system.

Med tillräckliga resultat kommer du att kunna förstå hur ditt system fungerar och även mäta dess statistiska egenskaper och kvalitet.

Värden som förväntan (E), det genomsnittliga belönings-till-risk-förhållandet (RR),% av vinsttransaktioner, antalet R-vinster som ett system ger (multipel av R) på en dag, vecka, månad eller år.

Att känna till dessa siffror är mycket viktigt eftersom det hjälper oss att uppnå våra mål.

Du vet redan vad hopp är (E). Men det fina med detta nummer är att det tillsammans med det genomsnittliga antalet transaktioner berättar för dig multipeln av R som ditt system levererar i ett tidsintervall.

Låt oss till exempel säga att du har ett system som tar sex transaktioner per dag, och dess E är 0,45R. Det betyder att den tjänar 0,45 dollar per riskerad dollar.

Detta innebär att systemet också levererar i genomsnitt 0,45 × 6R = 2,7R per dag och att du i genomsnitt förväntar dig att det är 54R varje månad.

Anta att du vill använda detta system och ditt månatliga mål är $ 6.000. Vilken risk skulle du ha per transaktion?

För att svara på denna fråga, ekvation 54R = 6000 dollar

Din risk per transaktion måste därför ställas in på en given nivå:

  • R = 6000/60 = $ 111.

Du vet nu till exempel att du kan nå $ 12 000 per månad genom att fördubbla risken till $ 222 per handel och $ 24 000 om du kan öka din risk till $ 444 per handel. Du har gjort ett system exponentiellt till en penningmaskin men med en riskkontrollerande attityd.

3. Variabilitet i resultaten

Som handlare skulle vi också vilja veta vad vi kan förvänta oss av systemet när det gäller drawdowns.

Är det normalt att ha 6, 10, 15 eller 20 förluster i följd? Och vilka är chansen att en serie av dessa förluster kommer att inträffa? Fungerar ditt system dåligt eller är det på rätt spår?
Du kan också svara på den här frågan med% Losers (PP).

Tänk som ett exempel att vi har ett system med 50% vinnande affärer och 50% förlorade.

Vi vet att sannolikheten för att händelse A och händelse B inträffar tillsammans är sannolikheten för att A inträffar multiplicerat med sannolikheten för att B kommer att inträffa:

  • ProbAB = ProbA * ProbB

För en serie förluster måste vi multiplicera sannolikheten för en förlust med det antal gånger som serien varar.

Så för en serie n-förluster:

  • Prob_Streak_n = PP till kraften av n = PPn

Som ett exempel är sannolikheten för två på varandra följande förluster för systemet i vårt exempel:

  • Prob_Streak_2 = 0,52
    = 0,25 eller 25%.

Och sannolikheten att drabbas av fyra förluster i följd kommer att vara:

  • Prob_Streak_4 = 0,54
    = 0,0625 eller 6,25%

För en serie med sex förluster:

  • Prob_Streak_6 = 0,56
    = 0,015625 eller 1,5625%.

Och så vidare.

Detta resultat är direkt relaterat till sannolikheten för förstörelse. Om din R är sådan att en serie på sex förluster torkar bort 100% av ditt kapital, är det en sannolikhet på 1,56% att detta kommer att ske under detta system.

Vi har nu lärt oss att vi måste fixa vår R-dollarrisk till ett belopp så att en serie förluster inte får kontot att drawdown den acceptabla uttagsprocenten för näringsidkaren.

Vad händer om systemet har 40% vinnande affärer och 60% förlorade affärer, vilket vanligtvis är fallet med belönings- / risksystem? Låt oss se :

  • Prob_Streak_2 = 0.62 = 36%
  • Prob_Streak_4 = 0.64 = 12.96%
  • Prob_Streak_6 = 0.66 = 4,66%
  • Prob_Streak_8 = 0.68 = 1.68%

Vi observerar att sannolikheten för på varandra följande uppsättningar av samma storlek ökar, så att sannolikheten för åtta på varandra följande förluster nu är densamma som för sex i det föregående.

Detta innebär att med system som har en lägre procentandel av vinsttransaktioner, bör vi vara mer försiktiga och sänka vår maximala risk jämfört med ett system med högre vinstnivå.

Som ett exempel, låt oss göra en övning för att beräkna den maximala dollarrisken för detta system på ett konto på 10 000 dollar och en maximal acceptabel drawdown på 30%. Och förutsatt att vi vill ta åtta på varandra följande förluster (1,68% chans att detta händer, men med 100% chans att det händer under en näringsidkares liv).

Baserat på detta antar vi en serie på åtta på varandra följande förluster, eller 8R.

  • 30% av 10 000 dollar = 3 000 dollar
  • 8R = $3000
  • Högsta tillåtna R är: 3000/8 = $ 375 eller 3,75% av kontosaldot.

Slutligen, för att få ett tillräckligt noggrant mått på andelen förlorade affärer, bör vi ha en historia av vårt system med mer än 100 transaktioner (testat i förväg, om möjligt, eftersom backtestning vanligtvis ger orealistiska resultat) .

Du kan göra samma beräkningar för den vinnande handelsserien, istället för att använda procentandelen vinnande affärer och multiplicera med den genomsnittliga belöningen (multipel av R).

Viktiga punkter och slutsatser

  • Positionsstorlek är den del av systemet som berättar hur mycket vi ska riskera vid en handel.
  • Riskenheten R är en standardiserad symbol för dollarrisk.
  • Du måste mäta, registrera och känna till de viktigaste statistiska parametrarna för dina system: förväntningen, procentandelen av vinnande och förlorade affärer, belönings / riskförhållandet och det genomsnittliga månatliga R (det genomsnittliga antalet R som ditt system når i en månad).
  • Du bör beräkna det högsta tillåtna R-värdet för ditt system och kontostorleken för den maximala drawdown du kan hantera, och inte satsa mer än detta belopp.

Demo Konto