مبانی مدیریت سرمایه
یک خبر بد: بازار قابل پیش بینی نیست
یک خبر خوب: برای کسب سود در این بازار نیازی به پیش بینی ندارید .
مطالب را با یک جمله مبھم آغاز می کنیم که می خواھیم بخشتی آن را ثابت کنیم : معاملات بازنده خود را سریع ببندید و به معام لات برنده اجازه رشد دھید، اگر این شیوه را پـیش گیریـد و مـدیریت سـرمایه را ھمراه آن کنید حتی اگر معاملات شما تصادفی باشند باز ھم برایند شما مثبت خواھد بود .
بخش اول: امید ریاضی
بخش اول درک مفھوم امید ریاضی می باشد که بدون درک آن نمی توان در این بازار موفق بود .
امید ریاضی به ما می گوید نیازی نیست که ھمه معاملات شما و حتی نصف بیشتر معاملات شما مثبت باشد تا بتوانید سود کنید، و شـاید ھمه سود شما از ۵ درصد معاملات موفق شما بدست آید .
فرمول امید ریاضی :
Mathematical Expectancy = [ 1 + (W/L) ] * P – 1
در اینجا W متوسط سود شما در ھر معامله و L متوسط ضرر شما در ھر معاملـه مـی باشـد و P) بـه درصـد ) احتمـال بـرد سیـستم شـما در معاملات است .
یعنی اگر احتمال برنده بودن سیستم شما ٢٠ درصد باشد و میانگین سـود شـما در ھـر معاملـه ١٠ دلار باشـد و میـانگین ضـرر شـما در ھـر معامله ۵ دلار باشد امید ریاضی سیستم شما منفی ٠٫۴ می باشد .
امید ریاضی یک سیستم سودده باید از صفر بیشتر باشد . برای این منظور یا باید احتمال برد سیستم را افزایش داد، یا متوسـط سـود در ھـر معامله افزایش یابد و یا متوسط ضرر در ھر معامله کاھش یابد .
برای اینکه بتوانیم امید ریاضی یک سیستم را بدسـت آوریـم مـی بایـست یـک مجموعـه از معـاملات آن سیـستم کـه حـداقل ١٠٠ معاملـه را داشته باشد انتخاب کنیم و متوسط سود و ضرر معاملات و تعداد معاملات برنده و بازنده را بدست آوریم و سپس در فرمول فوق قرار دھیم .
برای بدست آوردن احتمال برد سیستم باید تعداد معاملات برنده را بر تعداد کل معاملات تقسیم کنیم .
برای بدست آوردن متوسط سود باید میزان سود کسب شده از پوزیشن ھای سودده را بر تعداد پوزیشن ھای سودده تقسیم کنیم .
برای بدست آوردن متوسط ضرر باید میزان ضرر کسب شده از پوزیشن ھای ضررده را بر تعداد پوزیشن ھای ضررده تقسیم کنیم .
بخش دوم : نسبت اھرمی نامتقارن
در این بخش با مفھوم نسبت اھرمی نامتقارن آشنا می شویم . این نسبت به ما می گوید اگر چه قدر ضـرر دھـیم مـی بایـست چقـدر سـود کنیم تا آن ضرر جبران شود .
در اینجا به این موضوع پی خواھیم برد که ھر چه بیشتر ضرر کنیم جبران کردن آن مشکل تر و شاید غیـر ممکـن شود .
فرمول نسبت اھرمی نامتقارن:
Asymmetrical Leverage % = [ 1 / (1 - L %) ] – 1
در اینجا L درصد ضرر از سرمایه اولیه می باشد، مثلا اگر ٢۵ درصد (0.25) ضرر کنیم نیاز به ٣٣ درصد سود برای جبران داریم و اگـر ۵٠ درصـد ضرر کنیم نیاز به ١٠٠ درصد سود و اگر ٩٠ درصد ضرر دھیم نیاز به ٩٠٠ درصد سود داریم .
ھمواره باید بر روی ضررھای خود کنترل داشته باشیم و به آنھا تا جایی اجازه رشد دھیم که سیستم معـاملاتی مـا توانـایی جبـران آن را بـه راحتی داشته باشد .
حال اینکه از کجا بفھمیم سیستم ما چقدر توانایی جبـران دارد بایـد نـرخ سـوددھی سیـستم خـود را ھمـواره حـساب کنـیم و ببینـیم در ھـر معامله معمولا انتظار چند درصد سود را داریم و ھمینطور انتظار چند درصد ضرر در معامله محتمل است .
بخش : ضریب سودآوری
در این بخش با ضریب سودآوری آشنا می شویم . ضریب سودآوری معیـاری اسـت کـه مـ ی تـوانیم رونـد سـوددھی سیـستم خـود را ارزیـابی کنیم، این عدد می بایست ھمواره بزرگتر از ١ باشد .
فرمول محاسبه ضریب سودآوری :
Profit Factor = Gross Win / Gross Loss
در اینجا منظور از Win Gross سود ناخالص یا ھمان مجموع سود تمامی پوزیشن ھای سودده و Loss Gross ضـرر ناخـالص یـا ھمـان مجمـوع ضرر تمامی پوزیشن ھای ضرر ده می باشد .
پس باید دقت داشته باشیم که ھمواره مجموع سودھایمان باید از مجموع ضررھایمان بیشتر باشد تا بتوانیم این ضریب را بیشتر از یـک نگـاه داریم .
بخش چھارم : تفاوت شرط بندی و گمانه زنی در معاملات
ھمانطور که می دانیم شرط بندی قمار محسوب می شود و کاری ناپسند می باشد لذا باید تفاوت آن را با گمانه زنـی (تجـارت صـحیح) درک کنیم تا بتوانیم به درک عمیق تری نسبت به ریسک در این بازار برسیم .
بین شرط بندی و گمانه زنی دو تفاوت اساسی وجود دارد :
- شرط بندی ریسک غیر منطقی بوجود می آورد ولی در گمانه زنی ریسک ذاتی موجود توزیع می شود .
- در شرط بندی علم آمار و احتمال نادیده گرفته می شود ولی در گمانه زنی از امتیاز این علم استفاده می شود .
برای مثال یک قمارباز فکر می کند اگر چندین شکست پیاپی داشته باشد در دفعات بعد شانس بـرد او ا فـزایش مـی یابـد لـذا ریـسک خـود را بیشتر می کند (تفاوت ١) ، در صورتی که این کار خطاست و ریسک ھر معامله مستقل از معامله قبل است پس در اینجا علم آمار و احتمـال توسط قمارباز نادیده انگاشته شده است (تفاوت ٢)
بخش پنجم : مفھوم دقیق مدیریت سرمایه
مفھوم دقیق مدیریت سرمایه محدود به این تعریف است که چه مقدار از حساب باید در معامله آتی ریسک شود .
انتظارات دیگری که از مدیریت سرمایه داریم از قبیل اینکه چه موقع از پوزیشن سود ده و یا ضرر ده خارج شویم و کی به حجم معامله فعلـی بیافزائیم یا آنرا کاھش دھیم و کجا وارد معامله شویم یا نشویم جزو ضمائم و فرعیات مدیریت سرمایه می باشند .
بخش ششم : تحلیل مونته کارلو
در این بخش با تحلیل مونته کارلو آشنا می شویم تا بتوانیم روش معـاملاتی خودمـان را بـه صـورت صـحیح تـست نمـائیم و از نتـایج تـست بـا اطینان بالایی استفاده کنیم .
تحلیل مئنته کارلو یک تکنیک محاسباتی است که داده ھای آماری یک مدل را با دقت قابل اطمینانی شبیه سازی می کند .
در این تحلیل معمولا ھر پارامتر ھزار بار با نمونه ھای متفاوتی از داده ھای آماری تـست مـی شـود و نتیجـه ٩۵ درصـد از ایـن ھـزار بـار بـرای پارامتر مورد نظر لحاظ می شود .
مثلا ا گر بخواھیم تاثیر ریسک ١٠ درصدی ثابت در ھر معامله را در یک لیست ١٠٠ تایی از معاملات بررسـی کنـیم، ھـزار لیـست مجـزای ١٠٠ تایی از لیست اولیه بوجود می آوریم که در آنھا اعضای لیست به صورت تـصادفی چیـده شـده انـد، آنگـاه تـاثیر ریـسک ١٠ درصـدی را در ھـر لیست یادداشت می کنیم، اگر در ٩۵ درصد مواقع به ازای آن ریسک ١٠ درصدی نتیجه نھایی معاملات ۶٠ درصد زیـان را بـه ھمـراه آورد پـس با اطمینان ٩۵ درصد در آینده نیز چنین خواھد شد .
در مثال فوق لیست ١٠٠ تایی داده ھای آماری ما و ریسک ١٠ درصدی ثابت پارامتر مورد بررسی ما می باشد .
در تحلیل مون ته کارلو از داده ھایی استفاده می شود که بوقوع پیوسته اند، یعنی نتایج بـک تـست یـا فـوروارد تـست گذشـته، بنـابراین نقـاط ورود و خروج در ھر معامله مشخص می باشد .
مطمئنا برای شبیه سازی تحلیل مونته کارلو می بایست برنامه نوشت و از ماشـین اسـتفاده نمـود، در ھمـین جـا از دوسـتا ن برنامـه نـویس علاقه مند دعوت می کنم برای راحتی دوستان تحلیل مونته کارلو را فقط برای پارامتر ریسک کد کنند، یعنی در برنامـه جـایی بـرای ثبـت داده ھای آماری (ورود و خروج از معامله )، جایی برای ثبت مقدار اولیه حساب، جایی برای ثبت مقـدار ریـسک در ھـر معاملـه تعبیـه کننـد و وقتـی کلید شبیه سازی زده می شود برنامه بگوید در ٩۵ درصد از تست ھا نتیجه چه می شود .
بخش ھفتم : تعیین اندازه حجم معامله
معامله یک لاتی در حساب ھزار دلاری یک اشتباه بزرگ می باشد، زیرا با چند باخت متـوالی بایـد بـا حـساب خـداحافظی نمـود، ھمـین طـور ھمین معامله یک لاتی در یک حساب ١٠٠ ھزار دلاری باز ھم اشتباه است زیـرا مقـدار بیـشتر مـارجین بـی مـصرف مانـده اسـت و در نھایـت پرفورمنس را کاھش می دھد .
نقش کلیدی مدیریت سرمایه تعیین دقیق حجم معامله می باشد تا کارائی حساب افزایش یابد .
روش ھای مطرح شده متفاوتی برای تعیین حجم وجود دارند که به دو دسته کلی تقسیم بندی می شوند
- روشھای مارتینگل
- روشھای آنتی مارتینگل
در روشھای مارتینگل با افزایش ضرر به حجم معاملات افزوده می شود تا از یک برگشت سریع و کوتاه استفاده شود و ھمـه ضـررھا پوشـش داده شود، این روشھا پایه علمی ندارند و در ھمه جا ک اربرد ندارند و از نظر مدیریت سرمایه صحیح مردود می باشند و فقط یک نـوع خـاص آن تحت عنوان "میانگین ھزینه " می تواند مورد استفاده قرار گیرد . منظور از میانگین ھزینه این می باشد که حجم معامله طوری توزیع شـود کـه ریسک نھایی بیشتر از ریسک اولیه ای که برای پوزیشن در نظ ر گرفته ایم نشود، در این صورت می توان با فاصله ھایی کـه پوزیـشن در ضـرر رفته به حجم افزود، مثلا اگر برای پوزیشن ١ لات می توانیم در ھمان ابتدا در نظر بگیریم و ریسک ما طوری است که می توانیم اسـتاپ ١٠٠ پیپی را برای آن تحمل کنیم، در ابتدا ٠٫٣ از این ١ لات را استفاده می کنیم و اگر در ضرر رفتیم باز ٠٫٣ دیگـر اسـتفاده مـی کنـیم و ھـیچ گـاه برای پوزیشن مورد نظر از ١ لات بالاتر نمی رویم .
در روش ھای آنتی مارتینگل سودھا به صورت تصاعد ھندسی افزایش می یابنـد، ھمـین طـور ضـررھا بـه صـورت تـصاعد ھندسـی کـم مـی شوند، مھمترین ویژگی این روش ھا بکار بردن آنھا در یک سیستم با امید ریاضی مثبت می باشد و در غیر این صورت نمی توان از آنھا انتظـار معجزه داشت .
بخش ھشتم : نسبت سود به ضرر
در این بخش به اھمیت به کار بردن نسبت سود به ضرر در استراتژی پی خواھیم برد .
نسبت سود به ضرر یعنی برای اینکه یک معامله انجام دھیم چه میزان باید ھزینه کنیم و چه مقدار انتظار سود از آن معامله داشته باشیم.
فرمول نسبت سود به ضرر:
Risk|Riward Ratio = Profit / Loss
در این فرمول Profit میزان سودی است که از پوزیشن انتظار داریم و Loss میزان ضرری است که در پوزیشن مذکور باید تحمل نمائیم که ایـن دو پارامتر می تواند بر حسب دلار یا پیپ باشد .
بنا بر شعار این تاپیک که به کوچک کردن ضررھا و بزرگ کردن سودھا اشاره می کند این نسبت می بایست بیشتر از ١ باشد . اگر نسبت مذکور کمتر از یک باشد باید احتمال برد سیستم بیشتر باشد یعنی تعداد پوزیشن ھای برنده بایـد بیـشتر از تعـداد پوزیـشن ھـای بازنده باشد . تاثیر مثبت این فاکتور مھم را در تاپیک سیگنال ھای طلایی با تلاش ھای دوستان از جمله جناب شاخص عزیز شاھد ھستید لذا به فکـر پیـدا کردن روشی باشید که نسبت سود و ضرر خوبی برای پوزیشن ھایش داشته باشد و صد البته امی د ریاضی آن مثبت باشد، البته یه مرور که پیش می رویم نشانه ھای یک سیستم خوب بیشتر آشکار می شوند .
بخش نھم : قانون پارتو
٨٠ درصد سود شما از ٢٠ درصد معاملات شما حاصل می شود .
اگر سیستم شما ۵٠-۵٠ باشد، شما از ۵٠ درصد ضرر ناگزیر ھستید و آن را با مدیریت سـرمایه اداره مـی کنیـد تـا کمتـرین آسـیب بـه شـما برسد، از میان ۵٠ درصدی که به نفع شماست حداقل نصف بیشتر آنھا برای پوشش دادن به ضررھای گذشته به کار مـی رونـد و چیـزی کـه برای شما می ماند ھمان ٢٠ درصد از پوزیشن ھای برنده ھست که برای شما سودآوری دارند .
حال اگر سیستمی بدست آو رید که احتمال برد بیشتر از ۵٠ داشته باشـد و نـسبت سـود بـه ضـرر پوزیـشن ھـایش نیـز بـالاتر از ١ باشـد بـا مدیریت سرمایه به Grail Holy دست یافته اید.
بخش دھم : محافظت از سود
- خروج زودھنگام از پوزیشن سود ده = ضرر
- سعی کنید پوزیشن سود ده شما با ضرر بسته نشود
در این بخش با یکی از مفاھیم فرعی مدیریت سرمایه آشنا می شویم، در ابتدای تاپیک دوست عزیزی سوال کردند از کجا بفھمیم که پوزیشن مـا چقدر قرار ھست در سود برود که بتوانیم سودمان را گسترش دھیم ؟
مساله اینجاست که ھیچ کس نمی تواند بازار را پیش بینی کند و نتایج گذشته ممکن است در آینده دقیقا صدق نکنند، تنھا راھـی کـه مـی ماند محافظت از سود می باشد، به این صورت که بخشی از حجم معامله را صرفا برای پوشش دادن بـه مقـداری از ضـرر احتمـالی پوزیـشن کنار بگذارید یعنی یک حد سود برای این منظور کنار بگذارید، یک حد سود طوری در نظر بگیرید که نسب ت سود به ضـرر پوزیـشن شـما بیـشتر از ١ شود و ھرگاه با این حد سود برخورد کردید کل پوزیشن را بریک ایون کنید، یعنی حد ضرر خودتان را بـه نقطـه ورود بیاوریـد، در نھایـت یـک حد سود از لحاظ آماری بر اساس آمار گذشته پوزیشن ھای سـود ده خـود در نظـر بگیریـد و مـا بقـی پوزیـشن را زمـ انی ببندیـد کـه سـیگنال مخالف صادر می شود .
با توجه به موارد فوق خواھید دید که ھیچگاه حسرت یک پوزیشن سود ده به دل شما نخواھد ماند .
بخش یازدھم : درجه آزادی
بیان ریاضی درجه آزادی برای تقریب به ذھن :
اگر به شما بگویند که دو عدد دلخواه را انتخاب کنید چون ھر دو عدد آزادی تغییر دارند، بنابراین درجه آزادی شـما ٢ مـی باشـد حـال اگـر یـک محدودیت برای انتخاب شما قائل شوند به طوری که بگوید مجمـوع دو عـدد دلخـواه شـما بایـد ٠ باشـد، آنگـاه یـک درجـه آزادی بـه خـاطر آن محدودیت از بین خواھد رفت و اگر شما مثلا عدد ۵ را انتخاب کنید مجبورید که عدد دوم را -۵ انتخاب کنید پس در اینجـا چـون عـدد دوم آزادی تغییر ندارد درجه آزادی شما ١ می شود .
منظور از درجه آزادی در بحث مدیریت سرمایه حداقل تعداد معاملات لازم برای یک تـست معنـی دار مـی باشـد (در پـست بعـد گفتـه خواھـد شد)، تعداد معاملات باید از تعداد قوانین و محدودیت ھای سیستم بیشتر باشد.
فرض کنید سیستم معاملاتی شما از برخورد دو میانگین متحرک ساخته شده باشد و یک حد سـود و یـک حـد ضـرر نیـز بـرای معاملـه در نظـر گرفته شده باشد و سیستم در تایم فریم یک ساعته طراحی شده باشد، این سیستم دارای حداقل ١١ قانون و محدودیت می باشد :
قوانین برای معامله خرید :
- یک محدودیت برای شرط برخورد
- یک محدودیت برای پریود میانگین متحرک اول
- یک محدودیت برای پریود میانگین متحرک دوم
- یک محدودیت برای نقطه سود
- یک محدودیت برای نقطه ضرر
و ۵ تای دیگر برای معامله فروش و یکی ھم برای تایم فریم
حداقل تعداد معامله لازم برای یک تست معنی دار در این سیستم ١٢معامله می باشد کـه باعـث مـی شـود درجـه آزادی سیـستم شـما ١ شود، بنابراین ھرچه تعداد معاملات بیشتر شود درجه آزادی افزایش می یابد و تست قابل اطمینان تر می شود .
اگر برای میانگین ھای فوق نوع و تایم فریم و پارامترھای دیگر نیز در نظر گرفته شود و یا تریلینگ استاپ و بریک ایـون نیـز اضـافه شـود ھمـین طور محدودیت ھا و قوانین سیستم افزایش می یابد و در نتیجه امکان افزایش درجه آزادی سیـستم را کـاھش مـی دھـد و اگـر سیـستم در گذشته خود تعداد معاملات لازم را نداشته باشد تست کردن آن معنایی ندارد .
بخش دوازدھم : تست معنی دار آماری
در این بخش با تست معنی دار آماری در مقوله مدیریت سرمایه آشنا می شویم .
ھنگامی که یک سیستم با امید ریاضی مثبت یافتیم می بایست بر روی نتایج آن این تست را انجام دھیم .
ھدف از تست معنی دار این است که بفھمیم سیستم مورد نظر ما به احتمال حداقل ٩۵ درصد آیا در آینده سودده می باشد یا خیر؟
در این جا ٩۵ درصد درجه اطمینان ما می باشد و معمولا سعی می شود از این عدد استفاده شود .
ھنگامی که تعداد معاملات لازم جھت تست را دارا بودیم (که آن را با N ن شان می دھیم ) به طوری که درجه آزادی آن بیشتر از ١ باشد (ھـر چه درجه آزادی بیشتر باشد تست معنی دار تر است و از دام دستچین شدن معاملات دورتر مـی شـویم )، ابتـدا میـانگین سـود معـاملات را بدست می آوریم، یعنی مجموع نتایج معامله تقسیم بر تعداد معاملات، این عدد حتما بای د بیشتر از صفر باشد زیرا امید ریاضی سیـستم مـا مثبت است و برایند نتایج حاصله مثبت بوده است. این میانگین را با Ave نشان می دھیم .
بعد از آن انحراف استاندارد معاملات را محاسبه می کنیم:
SD = Sqrt ( SUM ( ( X - Ave ) ^ 2 ) / (N – 1))
منظور از SD انحراف استاندارد و منظور از X نتیجه ھر معامله و منظور از SUM تابع مجموع و منظور از Sqrt تابع جذر می باشد. سپس با استفاده از درجه اطمینان و درجه آزادی پارامتر آماری تی استیودنت t را بدست می آوریم. تابع مربوطه برای محاسبه این مقـدار در اکسل TINV می باشد .
حال به محاسبه فاصله اطمینان می پردازیم :
CI = t * SD / Sqrt( N )
در فرمول فوق CI فاصله اطمینان می باشد و N نیز تعداد معاملات می باشد، ھنگامی که این مقدار بدسـت آمـد شـرط زیـر را بررسـی مـی کنیم :
Ave > CI
یعنی اگر میانگین معاملات از فاصله اطمینان بیشتر باشد به احتمال ٩۵ درصد (درجه اطمینان) سیستم در آینده نیز سودده خواھد بود.
تا زمانی که شرط فوق برقرار باشد می توان به انجام معاملات طبق سیستم اقدام نمود .
پ ن. : دوستان ریاضیدان لطف می کنند و فرمول محاسبه t) ھمان TINV در اکسل) را بنویسند .
بخش سیزدھم : روش مدیریت سرمایه ریسک ثابت
در این بخش با یکی از روش ھای آنتی مارتینگل در باب مدیریت سرمایه آشنا می شویم .
ایده این روش Fractional Fixed بر این اساس اسـتوار اسـت کـه حجـم معاملـه بایـد متناسـب بـا ریـسک مشخـصی از معاملـه نـسبت بـه سرمایه باشد، در اصل این روش با نام Risk Fixed مطرح می باشد زیرا منظور از Fraction (جزء) در اینجا مقداری از سـرمایه جـاری (Equity) می باشد که می بایست در معامله آتی ریسک شود . این مقدار که آن را با درصد در نظر می گیریم در تمـامی معـاملات یکـسان مـی باشـد(مثلا ٢ درصد از سرمایه در ھر معامله ریسک شود .)
ھنگامی که ریسک ثابت سرمایه را مشخص نمودیم می بایست ریسک معامله را نیز پیدا کنیم، ریسک معامله نباید از ریسک ثابتی که بـرای سرمایه در نظر گرفته ایم بیشتر باشد، مثلا اگر یک حساب ١٠٠٠٠ دلاری داشته باشیم و ریسک ثابت را در آن ٢ درصد در نظر گرفته باشیم، این مقد ار می شود ٢٠٠ دلار لذا ریسک معامله ای که می خواھیم انجام دھیم نباید از ٢٠٠ دلار بیشتر باشد، ریسک معامله را یا باید از حـد ضرری که استراتژی می دھد مشخص نمائیم یا از بزرگترین ضرری که سیستم در گذشته داده است استفاده کنیم .
فرمول محاسبه حجم بر اساس روش ریسک ثابت:
N = (f * Equity) / R
در فرمول فوق f همان ریسک ثابت از سرمایه می باشد و R ریسک معامله و Equity نیز سرمایه خالص با احتـساب سـود و زیـان جـاری مـی باشد .
دقت داشته باشید که ھر چه R کمتر باشد حجم معامله زیادتر می شود زیرا ما داریم می گوئیم که معامله ریسک کمتری دارد.
R یک عدد اعشاری است که میزان ریسک معامله را به دلار نشان می دھد .
نتیجه حاصله برای N را در مینیمم حجمی که بروکر در حساب به ما اجازه داده است ضرب می کنیم و حجم معامله بدست می آید .
مثال :
سرمایه: ۵٠٠٠ دلار
ریسک: ٢ درصد
ریسک معامله جاری: ٨٠ دلار
حساب مینی: حداقل حجم = ٠٫١
با مفروضات بالا حجمی که باید برای معامله در نظر بگیریم ٠٫١٢۵ لات می باشد
بدیھی است که ھر چه سرمایه بیشتر شود حجم معاملات نیز افزایش یافته و بالعکس .
بخش چھاردھم : روش مدیریت سرمایه نسبت ثابت
در این بخش با روش مدیریت سرمایه نسبت ثابت (Fixed Ratio) آشنا می شویم، در این روش پارامتر کلیدی دلتا delta نام دارد .
دلتا مقدار سودی است بر حسب دلار که می بایست ابتدا کسب شود تا بتوان حجم را یک پله افزایش داد .
در ابتدای کار با این روش حجم معامله شما می نیمم حجم ممکن می باشد، ھرگاه بـه انـدازه دلتـا سـود کـسب شـد حجـم شـما یـک پلـه افزایش می یابد و ھر گاه به ھمین میزان ضرر حاصل شد حجم یک پله کاھش می یابد .
بدیھی است ھر چه دلتا کوچکتر باشد افزایش و کاھش حجم شدیدتری را شاھد خواھیم بود و ھر چه دلتـا بزرگتـر باشـد افـزایش و کـاھش حجم به کندی انجام خواھد شد .
فرمول محاسبه حجم بر اساس روش نسبت ثابت :
N = [ Sqrt( 1 + ( 8 * Profit/delta ) ) + 1 ] / 2
در فرمول فوق Profit عبارت است از مقدار سودی که تا حال جمع شده است، این مقدار در ابتدا ٠ می باشد.
نتیجه حاصله برای N را در مینیمم حجمی که بروکر در حساب به ما اجازه داده است ضرب می کنیم و حجم معامله بدست می آید .
ھمانطور که مشاھده می فرمائید در این روش صحبتی از ریسک در سرمایه نشده و ھمه چیز به سود جمع آوری شده و دلتا بستگی دارد .
این روش نسبت به روش ریسک ثابت که در بخش ١٣ گفته شد از انعطاف پذیری بیشتری برخوردا ر می باشد و ریسک آن کمتر اسـت و افـت و خیز ناگھانی کمتری را در حساب خواھیم داشت .
این روش برای حساب ھای کوچک تر مناسب می باشد و برای حساب ھای بزرگ می بایست ابتدا مقـدار Profit را مـشخص کنـیم تـا حجـم معامله را از مینیمم حجم ممکن در نظر نگیرد .
مثال :
حساب اولیه : مثلا ٣٠٠٠ دلار که در محاسبات نقشی ندارد
میزان سود کسب شده : ۵٧٣ دلار
مقدار دلتا : ١٠۵ دلار
با فرضیات فوق حجم معامله می شود ٠٫٣٣ لات حال برای رسیدن به حجم ٠٫۴ لات چه میزان دیگر باید سود کنیم ؟
جواب : می بایست ٢۴٠٫٧۵ دلار دیگر سود کنیم تا مجموع سودمان بشود ٨١٣٫٧۵ تا با دلتای ١٠۵ دلار بتوانیم ٠٫۴ لات معامله کنیم .
بخش پانزدھم : بھینه سازی حجم معامله
بھینه سازی دارای اھدافی است که باید حدود را نیز در نظر بگیرد، مثلا ما نمی توانیم بلند پروازی کنیم و بگوئیم می خواھیم حجم پوزیـشن را ١٠٠ برابر کنیم ولی ض رر ٠ باشد، می بایست پارامترھای قابل تنظیم روش ھای مدیریت سرمایه را طوری مقدار دھی کنیم که در اکثریـت مواقع خوب باشد و نه در یک بازه خاص
منظور از بھینه سازی حجم پوزیشن ھا این است که سعی کنیم حجم پوزیشن ھای برنده را ھمواره افـزایش دھـیم و حجـم پوزیـشن ھـای بازنده را یا کاھش دھیم و یا ثابت نگاه داریم که در نھایت باعث میشود نرخ سودآوری افزایش یابد و از طرفی میزان ضـرر در حـد قابـل قبـولی ثابت بماند .
در روش ریسک ثابت فرمولی برای بھینه کردن مقدار ریسک f تحت عنوان f Optimal وجود دارد که تعمیم یافته فرمول کِلی Kelly می باشد:
f = ((B + 1) * P - 1) / B
در فرمول فوق B نسبت سود به ضرر پوزیشن و P درصد معاملات برنده می باشد .
با توجه به فرمول فوق انتظار می رود حجم معاملات برنده ھمواره بیشتر از حجم معاملات بازنده باشد .
برای آشنایی بیشتر با فرمول Kelly به این مرجع رجوع نمائید:
Provided by Vince, Portfolio Management Formulas, John Wiley & Sons, New York, 1990
با ھمه این تفاسیر استفاده از f Optimal شاید بھتر از استفاده از f ثابت که با تحلیل مونته کارلو بھینه شده باشد نباشد .
در روش نسبت ثابت نیز بھینه سازی برای پارامتر دلتا توس ط تحلیل مونته کارلو انجام می شـود بـه ایـن صـورت کـه مقـدار دلتـا ھـر بـار بـرای نمونه معاملات آزمایش می شود و نرخ سود و ماکزیمم ضرر بررسی می شود، سپس دلتـایی کـه بیـشترین سـود را بـا کمتـرین ضـرر در ٩۵ درصد مواقع بوجود آورد انتخاب می شود .
بخش شانزدھم : مدیریت ھرمی
در این بخش با مفھوم مدیریت ھرمی (Pyramiding )آشنا می شویم .
شاید برای خیلی ھا سوال باشد که آیا افزودن به حجم یک پوزیشن سودده جایز می باشد یا نه؟
مدیریت ھرمی یعنی چندین پوزیشن بر مبنای جھت یک پوزیشن گرفته شوند، پوزیشن مبنا پوزیشنی است که در سود رفته و جھـت بـازار را نشان داده است، حال ھمینطور که پوزیشن در سود می رود سرمایه اولیه و مارجین افزایش می یابد و امکان گرفتن پوزیـشن ھـای اضـافی را میسر می سازد . مزیت این روش بھره برداری مناسب از پتانسیل بازار در یک روند قـوی و طـولانی مـی باشـد کـه بـه سـودآوری سیـ ستم کمک شایانی می کند .
در اصل استفاده از این مفھوم در ھمه سیستم ھا مجاز نمی باشد، و فقط سیستم ھایی می توانند از آن بھـره ببرنـد کـه نـسبت سـود بـه ضرر پوزیشن ھای آنھا عالی باشد و ھمچنین نقطه خروج مشخص و موثری را داشته باشند، معمولا ایـن گونـه سیـستم ھـا رونـدھای بلنـ د مدت را شکار می کنند و ابزارھای قدرتمندی در تعیین ادامه داشتن روند و یا برگشت روند دارند .
اگر مدیریت ریسک به خوبی انجام نشود این روش می تواند نابود کننده باشد، پس ھنگامی که قرار است به حجم پوزیـشن سـودده افـزوده شود می بایست ریسک مجموع پوزیشن ھا محاسبه شود و نقطه خروج بر اساس آن ریسک به صورت دقیق مشخص شود .
محل ھای افزایش حجم می بایست به صورت منطقی مشخص شوند، ممکن است این محل ھا با در نظر گـرفتن فاصـله ای ثابـت مـشخص شوند که می بایست از قبل در استراتژی تست شده باشند .
حجم پوزیشن ھای بعدی در مدیریت ھرمی استاندارد ھر بار نصف می شود، مثلا اگر پوزیشن مبنـا ١٠ لات باشـد، پوزیـشن دوم ۵ لات، پوزیشن سوم ٢٫۵ لات، پوزیشن چھارم ١٫٣ لات تا رسیدن به ٠٫١ لات گرفته می شوند .
نوع دوم مدیریت ھرمی، مدیریت ھرمی یکنواخت می باشد، در این روش ھر بار به اندازه حجم پوزیشن مبنا پوزیـشن ھـای بعـدی گرفتـه می شوند، مطمئنا این روش در حسابھای بزرگ بیشتر کاربرد دارد، این روش ریسک بیشتر و از طرفی سود بیشتری را ھمراه دارد .
نوع سوم مدیریت ھرمی، مدیریت ھرمی معکوس نامیده می شود، در این روش حجم مبنا پائینترین حجم ممکن در نظر گرفته می شـود و حجم نھایی نیز از قبل مشخص می شود و تا رسیدن به حجم نھایی به حجم پوزیشن ھا افزوده می شـود، مـثلا از قبـل فـرض مـی شـود مجموع ھمه پوزیشن ھا قرار است ٢٠ لات شود، سپس از ٠٫١ لات شروع کرده و در ھر بار حجم دو برابر می شود . این روش سـود کمتـری را به ھمراه خواھد داشت و از طرفی سرمایه کمتری را درگیر می کند .
نوع چھارم مدیریت ھرمی ، مدیریت ھرمی ماکزیمم توان نامیده می شود، یعنی پوزیشن بعدی به محض آماده شـدن مـارجین بـه انـدازه سودھای حاصل شده گرفته می شود، در این روش بیشترین سود ممکنه حاصل مـی شـود و بـدترین نـسبت سـود بـه ضـرر را دارد، در ایـن روش می بای ست نقطه خروج کاملا دقیق و حساب شده در نظر گرفته شود زیرا در غیر این صـورت یـک فرمـول مناسـب جھـت ورشکـستگی سریع می باشد .
بخش ھفدھم : وابستگی معاملات
در این بخش با موضوع وابستگی معاملات آشنا می شویم .
وابستگی معاملات یعنی وابسته بودن نتیجه یک معامله به معامله قبل خود از لحـاظ آمـاری، بـرای مثـال در بعـضی ار سیـستم ھـا معـاملات برنده تمایل دارند که از معاملات برنده قبل پیروی کنند و یا معاملات بازنده از معاملات بازنده قبل .
ھنگامی که بردھا از بردھای و یا باخت ھا از باخت ھای قبل پیروی کنند اصطلاحا می گوئیم معاملات نسبت به ھـم وابـستگی مثبـت دارنـد (. Positive Dependency)
ھنگامی که بردھا از باخت ھای قبل و یا باخت ھا از بردھای قبل پیروی کنند اصطلاحا می گوئیم معاملات نـسبت بـه ھـم وابـستگی منفـی دارند (. Negative Dependency)
برای تشخیص این موضوع از آزمون ردیف ھا (test runs )استفاده می شود که نتیجه آن را با علامت Z نمایش می دھند .
فرمول وابستگی معاملات
[ (Z = [ N * (R-0.5) - P ] / Sqrt( [ P * (P-N) / (N-1) ] )
P = 2*W*L
در فرمول فوق، W تعداد بردھا و L تعداد باخت ھا و N تعداد معاملات و R تعداد ردیف ھاست.
_ _+_ _ _++++_++_ _ _+++
اگر نمادھای + و _ فوق را به عنوان نتایج یک سری معاملات فرضی در نظر بگیریم آنگاه پارامترھای فرمول وابستگی معاملات بـه صـورت زیـر مقدار دھی می شوند:
N = 19
W = 10
L = 9
P = 180
R = 8
Z = - 0.935
در کل علامت منفی برای Z به عنوان وابستگی مثبت معنی می شود و علامت مثبت برای Z به عنوان وابستگی منفی ولی به استناد تـابع توزیع نرمال اسـتاندارد اگـر مقـدار Z بـین اعـداد منفـی ٢ و منفـی ٣ باشـد آنگـاه مـی گـوئیم بـه احتمـال ٩۵ درصـد و بیـشتر معـاملات دارای وابستگی مثبت و اگر Z بین اعداد ٢ و ٣ باشد آنگاه می گوئیم به احتمال ٩۵ درصد و بیشتر معاملات دارای وابستگی منفی می باشند .
مطمئنا برای معنی دار بودن این تست می بایست تعداد معاملات زیاد باشند و در بازه ھای کوچک نمی تـوان در ایـن مـورد قـضاوت صـحیحی انجام داد .
حال اگر معاملات دارای وابستگی شدید بودند می توان از این دانش استفاده نمود و شروع معاملات ضـررده را کـه احتمـال وقـوع آنھـا بعـد از معاملات گذشته می رود شناسائی نمود .
معمولا سیستم ھایی که دارای معاملات مستقل از ھم می باشند و امید ریاضی آنھا مثبت است بھتر می باشند .
بخش ھجدھم : تکنیک استفاده از منحنی سرمایه
یکی از تکنیک ھای مدیریت سرمایه اصلاح حجم معامله بر اساس منحنی سرمایه می باشد .
منظور از منحنی سرمایه نموداری است که بر اساس معاملات بسته شده بر محور زمـان رسـم شـده اسـت، یعنـی محـور عمـودی نـشانگر سود و زیان بر اساس دلار و محور افقی نشانگر زمان می باشد .
مزیت به کار بردن این تکنیک در کاھش دوره ھای ضرر ھم از لحاظ دلاری و ھم از لحاظ تعدادی می باشد و بنابراین باعـث افـزایش دوره ھـای سود می شود .
بدین منظور می بایست معاملات گذشته مد نظر قرار گیرند تا بتوان سود و ضرر جاری را نسبت به تحلیـل منحنـی معـاملات بررسـی نمـود و پس از بدست آوردن معیار مناسب به کاھش یا افزایش حجم معاملات و یا توقف و ادامه دادن معاملات اقدام نمود .
مثلا از معاملات گذشته می توان میانگین گرفت و از تکنیک تقاطع میانگین ھای متحرک استفاده نمـود، بطـور مثـالا ھرگـاه میـانگین ٣ معاملـه بسته شده قبل از میانگین ٨ معامله بسته شده قبل بیشتر شد می تو ان به حجم معاملات افزود و یا اگر انجـام معـاملات متوقـف شـده بـود دوباره انجام معاملات را از سر گرفت و ھمین طور بر عکس وقتی میانگین ٣ معامله بسته شده قبل از میـانگین ٨ معاملـه بـسته شـده قبـل کمتر شد می توان از حجم معاملات کاست و یا انجام معاملات را متوقف نمود .
در اصل ھر تحلیلی که برای چارت ارزھا موثر باشد می تواند در نمودار سرمایه نیز موثر باشد با این تفاوت که ما بر روی اطلاعات ایجاد شـده چارت ارزھا کنترلی نداریم اما می توانیم بر روی نمودار سرمایه خودمان کنترلی نسبی داشته باشیم و سعی کنیم آن را طـوری کـه دوسـت داریم بوجود آوریم . استفاده از این تکنیک نیز بستگی به انتخاب استراتژی دارد، مثلا اگر یک اسـتراتژی داریـم کـه در ناحیـه ھـای کـم تحـرک بـازار دچـار ضـررھای متوالی می شود می توان بعد از وقوع یک ضرر آن را نسبت به نمودار منحنی بررسی نمود و اگر آن ضرر در حـال تخریـب نمـودار بـود از انجـام معاملات خودداری نمود و معاملات بعدی را به صورت فرضی انجام داد تا دوباره یک معامله سودده دستور ادامه دادن معاملات را صادر کند .
تحلیل ھای آماری و ھندسی متنوعی می توان برای نمودار سرمایه در نظر گرفت که از بحث مبانی مدیریت سرمایه خارج مـی شـوند و لـذا دوستان علاقه مند می توانند در کتابھا و سایت ھا آنھا را پیگیری نمایند.
بخش نوزدھم : روش مقایسه نتایج دو سیستم
در امر مقایسه دو سیستم با امید ریاضی مثبت اصلی ترین پارامترھا به ترتیب عبارتند از :
- ماکزیمم افت (ماکزیمم ضررھای پشت سر ھم) : این پارامتر می بایست کمینه باشد و مناسـب تـرین مقـدار بـرای آن افـت ھـای زیـر ١۵ درصد می باشد
- ضریب سودآوری Profit Factor :ھر چه بیشتر باشد قدرت سودآوری سیستم بیشتر است.
- نسبت سود به زمان طی شده (نرخ بازگشت سرمایه): میزان سود کسب شده تقسیم بر تعداد روزھا
- نسبت سود به سرمایه اولیه : میزان سود کسب شده تقسیم بر سرمایه اولیه
قبل از تفحص در مورد انتخاب استراتژی و روش مدیریت سرمایه و مقایسه آنھا می بایست گام ھای زیر را طی نمود :
- تعیین اھداف و محدودیت ھای سرمایه گذاری
- ایجاد انتظارات معقول از ترکیب استراتژی و مدل مدیریت سرمایه
پاسخ دادن به سوالات زیر شما را ھنگام مقایسه سیستم ھا و انتخاب مناسب یاری می کند : -
- از دست دادن چند درصد حساب برای شما راحت است ؟
- از دست دادن چه مقدار سرمایه در ھر معامله برای شما راحت است ؟
- در چه مدت زمان چه میزان سود می خواھید ؟
اگر قصد داشته باشید یک مدیر سرمایه حرفه ای شـوید کافیـست بـه شـما یـک اسـتراتژی معمـولی بدھنـد و نیـاز نیـست بـه دنبـال بھتـرین استراتژی باشید زیرا با قابلیت ھایی که دارید می توانید به راحتی از آن سود مورد نظرتان را کسب کنید .
بخش بیستم : پارامترھای آماری مھم
ھنگامی که روش مدیریت سرمایه مناسب را انتخاب نمودید و با آن شروع به انجام معاملات کردید می با یست ھمواره پارامترھای آماری زیـر را بعد از انجام تعداد معاملات لازم (حداقل به تعداد قوانین و محـدودیت ھـای سیـستم ) بررسـی نمائیـد تـا بتوانیـد ھـر گونـه تغییـری در رونـد سوددھی سیستم را شناسایی کنید و اگر نیاز به تغییرات بود آنھا را اعمال نمائید.
- سود ناخالص
- ضرر ناخالص
- ماکزیمم افت
- ضریب سودآوری
- بیشترین سود در معامله
- بیشترین ضرر در معامله
- سودھای متوالی چه از لحاظ دلاری و چه از لحاظ تعدادی
- ضررھای متوالی چه از لحاظ دلاری و چه از لحاظ تعدادی
- تعداد معاملات
- تعداد بردھا
- تعداد باخت ھا
- میانگین سود و ضرر در ھر معامله : سود خالص تقسیم بر تعداد معاملات می باشد .
- تعداد فروش ھا
- تعداد خرید ھا
- ضریب وابستگی معاملات
پارامتر ھای آنالیزی و آماری دیگری نیز وجود دارند که دانستن آنھا و توجه به آنھا می تواند دید دقیق تری نسبت به عملکرد سیـستم بد ھـد، عنوان این پارامترھا فقط در اینجا ذکر می شود و پرداختن به آنھا از حوصله این بحث خارج است :
- میانگین ھندسی معامله: GHPR
- میانگین حسابی معامله: AHPR
- نسبت شارپ: Sharp Ratio
- درآمد ترکیبی: Money Compounding
- ضریب همبستگی رگرسیون خطی: LR. Linear Regression Correlation
- خطای استاندارد رگرسیون خطی : LR Standard Error
- بیشترین گردش نامطلوب: Maximum Adverse Excursion
- بیشترین گردش مطلوب: Maximum Favorable Excursion
نویسنده: حمید رضا حصارکی