Risk of Ruin – hogyan működik?
A Pillinger Trader UI Risk of Ruin elemzése Monte Carlo szimulációval, a felhasználó ténylegesen lezárt ügyleteinek történelmi P&L-adataiból számítja ki annak becsült valószínűségét, hogy a szimulált equity egy meghatározott veszteségi küszöböt elér.
A módszer empirikus trade-return resampling, vagyis nem egy előre feltételezett win rate-ből vagy egy egyszerű elméleti képletből indul ki, hanem a tényleges történelmi trade-ek eredményeit használja.
1. Mi kerül a számításba?
A rendszer először meghatározza a vizsgált időszak kezdő tőkéjét. Ezután minden lezárt trade P&L-jét ehhez a kezdőtőkéhez viszonyítja:
Trade return = Trade P&L / időszak kezdőtőkéje
Például ha:
- kezdőtőke = 1 000 000 Ft
- egy trade P&L-je = +20 000 Ft
akkor az adott történelmi trade returnje:
+2%
Ha egy másik trade:
- P&L = −15 000 Ft
akkor:
−1,5%
A Monte Carlo tehát nem pusztán a forintos P&L-eket használja, hanem a kezdőtőkéhez viszonyított történelmi trade returneket.
2. Mi történik egy Monte Carlo szimulációban?
A rendszer 10 000 különálló szimulációt futtat.
Egy szimuláció során:
- az equity 100%-ról indul;
- véletlenszerűen kiválaszt egy trade returnt a történelmi trade-ek közül;
- hozzáadja az equityhez;
- újabb véletlenszerű trade returnt választ;
- ezt ismétli a kiválasztott horizonton keresztül.
Tehát például egy szimuláció elméletileg ilyen sorrendet kaphat:
+2,1% → −1,4% → +0,7% → −3,2% → +4,0% → ...
Egy másik szimuláció ugyanabból a történelmi adathalmazból teljesen más sorrendet kaphat:
−3,2% → +0,7% → −0,8% → +2,1% → −1,4% → ...
Pont ez a Monte Carlo lényege: ugyanazt a történelmi eredményeloszlást sok különböző lehetséges sorrendben vizsgáljuk.
3. Mit jelent a Ruin Threshold?
A felhasználó kiválaszt egy veszteségi küszöböt.
Jelenleg:
- −10%
- −20%
- −30%
- −50%
- −100%
közül lehet választani.
Ha például −20% a threshold, akkor a kezdő equity:
100%
és a ruin szint:
80%
Ha egy szimuláció equityje eléri vagy átlépi ezt a szintet, akkor az adott szimuláció ruined állapotba kerül.
Fontos:
nem számít, hogy később az adott path visszakapaszkodna-e.
Ha például:
100% → 93% → 86% → 79% → 95%
akkor ez már ruin esemény, mert a −20%-os küszöböt az equity egyszer már elérte/átlépte.
A jelenlegi implementáció ilyenkor a pathot a küszöbnél megállítja, ezért a charton a piros pálya nem megy tovább a ruin szint alá.
4. Hogyan lesz ebből Risk of Ruin százalék?
A 10 000 szimulációból megszámoljuk:
hány szimuláció érte el a ruin küszöböt.
Például:
- 10 000 szimuláció
- 6 114 elérte a −20%-os thresholdot
- 3 886 nem érte el
akkor:
Risk of Ruin = 6 114 / 10 000 = 61,14%
A másik érték:
Survival Probability = 1 − Risk of Ruin
tehát:
38,86%
A két érték ezért mindig együtt:
Risk of Ruin + Survival Probability = 100%
5. Mit jelent a Horizon?
A horizont azt határozza meg, hogy hány jövőbeli trade-en keresztül vizsgáljuk a ruin bekövetkezését.
Jelenleg:
- 100 trade
- 250 trade
- 500 trade
- 1000 trade
választható.
Például:
−20% / 500 trade
azt jelenti:
A Monte Carlo annak valószínűségét becsüli, hogy a szimulált equity a következő 500 szimulált trade során legalább egyszer eléri a −20%-os veszteségi küszöböt.
Ez nagyon fontos, mert a Risk of Ruin nem egyetlen univerzális százalék.
Mindig a következő két tényezőhöz kötődik:
threshold + horizon
6. Portfolio és Strategy nézet
A Teljes kép / Portfolio nézetben az összes lezárt trade P&L-eloszlását használjuk. A Strategy nézetben csak az adott stratégiához tartozó lezárt trade-ek kerülnek az újramintavételezésbe.
Mindkét esetben ugyanaz a Monte Carlo módszer működik:
történelmi trade returnek → véletlenszerű újramintavételezés → equity path → threshold vizsgálat → Risk of Ruin
A stratégiaelemzéshez legalább 30 történelmi trade szükséges. Ennél kisebb minta esetén a rendszer nem próbál mesterségesen megbízható százalékot előállítani, hanem Insufficient sample állapotot jelez.
7. Mit mutat a spaghetti chart?
A chart a Monte Carlo által létrehozott lehetséges equity path-eket jeleníti meg.
A számítás 10 000 szimulációt végez, de a vizuális megjelenítéshez ezek közül csak egy kisebb reprezentatív rész jelenik meg, hogy a chart olvasható maradjon.
A charton:
- a kezdőpont = 100% equity;
- a szürke vonalak = a küszöböt el nem érő szimulációk;
- a piros vonalak = a ruin küszöböt elérő szimulációk;
- a piros szaggatott vonal = kiválasztott Ruin Threshold;
- a szimulációs horizont = kiválasztott trade-szám.
A chart tehát nem a 10 000 szimuláció teljes vizuális reprezentációja, hanem szemlélteti, hogyan viselkednek a szimulált equity path-ek.
A Risk of Ruin százalékát mindig a teljes 10 000 szimulációból számoljuk, nem a charton látható vonalakból.
8. Fontos: mit NEM állít ez a számítás?
A Risk of Ruin nem azt jelenti, hogy:
„ekkora valószínűséggel fog ténylegesen tönkremenni a trader.”
Ez egy Monte Carlo becslés, amely azt mutatja meg, hogy:
a megfigyelt történelmi trade-return eloszlásból véletlenszerűen újramintavételezett jövőbeli trade-sorozatok mekkora hányada éri el a kiválasztott veszteségi küszöböt a megadott horizonton belül.
Ez azért fontos, mert a jövőbeli kereskedési eredmények eltérhetnek a történelmi eredményektől.
9. Miért nem használunk egyszerű win-rate képletet?
A klasszikus Risk of Ruin képletek gyakran leegyszerűsített feltételezésekből indulnak ki, például:
- win rate,
- loss rate,
- fix kockázat/trade,
- meghatározott win/loss arány.
A Pillinger Trader UI módszere ehelyett a teljes történelmi trade-return eloszlást használja.
Ez azt jelenti, hogy az újramintavételezésben megmaradnak a történelmi eredmények különbségei:
- kisebb nyereséges trade-ek,
- nagyobb nyereséges trade-ek,
- kisebb veszteségek,
- nagyobb veszteségek.
Nem egyszerűen azt mondjuk:
„78% win rate → ebből kiszámolunk egy RoR-t.”
Hanem a tényleges trade-ekből építjük fel a lehetséges jövőbeli equity path-eket.
10. Miért változhat ugyanarra a beállításra az eredmény?
Ez szándékos. Mivel a Monte Carlo valódi véletlenszerű újramintavételezést használ, ugyanaz a:
−20% / 500 trade / 10 000 simulation
beállítás két egymást követő futtatásnál például adhat:
61,14%
majd:
60,87%
vagy:
61,32%
Ez nem számítási hiba.
Ez a Monte Carlo mintavételi variabilitása.
A valószínűséget nem egyetlen determinisztikus útvonalból próbáljuk megmondani, hanem sok ezer véletlenszerű szimuláció alapján becsüljük.
Segítségedre voltunk?