Думайте в категориях вероятности
Многие из вас изучали теорию вероятностей и статистику в школе или институте. Несомненно, вам доводилось видеть график наподобие изображенного на рисунке 4–1.
Рисунок 4–1 изображает так называемое нормальное распределение. Этот рисунок показывает распределение женщин по росту. На горизонтальной оси отмечен рост в дюймах, на вертикальной – два типа вероятности.
1. График частоты вероятности – заштрихованная область связана с левой вертикальной осью и показывает, насколько часто встречается определенный рост. В нашем примере средний рост составляет 5 футов 4 дюйма. Вероятность того, что рост некоей женщины будет ближе к этой средней величине, выше, чем вероятность того, что ее рост будет существенно отличаться от среднего. Чем выше точка в центре графика, тем выше вероятность совпадения, области слева и справа показывают менее вероятные варианты. Например, высота кривой на уровне 70 дюймов гораздо ниже, чем на уровне 68 дюймов, что говорит о менее вероятном росте женщины 5 футов 10 дюймов по сравнению со средним ростом 5 футов 8 дюймов.
2. Кривая кумулятивной вероятности – тонкая линия начинается у отметки 0 процентов и доходит до отметки 100 процентов (на правой вертикальной оси). Эта кривая показывает совокупную (кумулятивную) вероятность того, что у женщины будет хотя бы такой рост. Например, если вы посмотрите на эту линию, то заметите, что она почти приближается к 100 процентам на уровне 70 дюймов. Реальная величина на уровне 70 дюймов составляет 99,18 процентов, что означает, что лишь менее одного процента женщин имеют рост 5 футов 10 дюймов или выше.
Этот график, как и другие подобные ему, использует сложные математические формулы, но суть его достаточно проста: чем дальше параметр роста от центра, обозначающего среднее значение, тем меньше у вас шансов встретить женщину такого роста.
Почему же расчеты вероятности делаются таким сложным образом? Можно отставить длинные формулы и построить график, похожий на приведенный, используя простой метод. Пойдите в такое место, где можно встретить много женщин, например в студенческое общежитие. Затем выберите случайным образом 100 женщин и измерьте их рост. Разделите величины роста на отрезки по 1 дюйму и посчитайте количество женщин в каждом интервале. Скорее всего, в результате получится приблизительно 16 женщин ростом 64 дюйма, по 15 женщин ростом 63 и 65 дюймов, по 12 – ростом 62 и 66 дюймов, по 8 – ростом 61 и 67 дюймов, по 4 – ростом 60 и 68 дюймов, по две женщины ростом 59 и 69 дюймов и по одной – ростом 58 и 79 дюймов. Если вы построите график из столбцов с указанием количества женщин каждого роста, он будет выглядеть примерно как тот, что мы изобразили на рисунке 4–2.
Тип графика на рисунке 4–2 называется гистограммой. Он наглядно показывает частоту возникновения конкретного значения по сравнению с другими значениями (в нашем случае женского роста) и имеет такую же форму, что и график нормального распределения на рисунке 4–1, однако обладает одним преимуществом: вы можете создать его без привлечения сложных математических формул. Нужно только уметь считать и разбивать на категории.
Гистограмма подобного вида может быть создана на основе ваших данных о сделках и давать вам представление о том, какое будущее вас ожидает; график позволяет вам размышлять в терминах вероятности, а не прогноза. Рисунок 4–3 является гистограммой ежемесячных результатов двадцатилетнего теста системы трендов Дончиана – упрощенной версии системы Черепах. Он прост и использует расширенный набор данных, в отличие от системы Черепах.
Части гистограммы на рисунке 4–3 разделены на сегменты по 2 процента. Один столбец показывает количество месяцев, в которые результат был положительным и находился в интервале от 0 до 2 процентов, следующий столбец захватывает интервал от 2 до 4 процентов и так далее. Обратите внимание на то, что форма гистограммы напоминает нормальное распределение по росту, о котором мы говорили ранее. Существенная разница заключается в том, что график наклонен вправо. Такой наклон указывает на месяцы с положительным результатом, иногда его называют асимметричным распределением или «тяжелым хвостом».
Гистограмма на рисунке 4–4 изображает распределение самих сделок. Левая часть отражает неудачные сделки, правая – удачные. Заметьте, что на каждом графике есть по две шкалы слева и справа, а проценты на центральной вертикальной шкале распределены в интервалах от 0 до 100 процентов. Кумулятивные линии движутся от 0 до 100 процентов из центра графика наружу.
Числовые обозначения на шкалах слева и справа показывают количество сделок в каждом 20-процентном интервале. Например, 100 процентов по проигрышным сделкам составляют 3746; это означает, что за 22 года, в течение которых проводилось исследование, было заключено 3746 убыточных сделок. Для выигрышных сделок этот показатель составляет 1854 сделки (что равно 100 процентам).
Сделки разделены на столбцы в зависимости от прибыли, деленной на сумму риска по данной сделке. Эта концепция, известная как R-multiple, была создана трейдером Чаком Бранскомбом как удобный способ сравнения сделок, заключаемых при разных системах и на разных рынках (R-multiple были популяризированы Ваном Тарпом в книге «Трейдинг – ваш путь к финансовой свободе»).
Проиллюстрировать эту систему позволит пример. Если вы покупаете августовский контракт на золото по цене 450 долларов со стоп-ценой 440 долларов (на случай, если рынок начнет двигаться против вас), вы рискуете одной тысячей долларов (разница между 450 и 440, умноженная на 100 унций – объем одного контракта). Если сделка приносит 5000 прибыли, она называется сделкой 5R, так как прибыль в 5000 долларов в пять раз выше суммы, которой вы рисковали (1000 долларов). На рисунке 4–4 выигрышные сделки разделены на группы с интервалом в 1R, проигрышные сделки – с интервалом в 0,5R.
Может показаться странным, что количество проигрышных сделок настолько превышает число выигрышных. На самом деле это обычное явление для систем, следующих за трендом. Однако, хотя количество проигрышных сделок велико, большинство потерь примерно равны предопределенному нами уровню входного риска 1R. Напротив, результат по выигрышным сделкам во много раз превышает входной риск, 43 сделки приносят сумму как минимум в 10 раз превышающую входной риск.
Черепахи никогда не знали, какая сделка завершится успехом, а какая – неудачей. Мы просто представляли себе примерную форму кривой распределения возможных исходов. Распределение должно было напоминать показанные на рисунках выше. Мы считали, что каждая сделка могла бы быть прибыльной, но понимали, что, вероятнее всего, она будет неудачной. Мы знали, что некоторые сделки принесут 4 или 5R, немногие принесут 12R, и совсем немногие – 20 или даже 30R. Но Черепахи знали наверняка, что выигрыш по сделкам будет настолько высок, что покроет убытки от неудачных сделок и даже останется прибыль.
Поэтому, осуществляя операции, мы не измеряли собственное состояние результатом сделки, так как знали, что, скорее всего, она будет убыточной. Мы рассуждали в терминах вероятностей, и это давало нам уверенность при принятии решений перед лицом высоких уровней риска и сомнений.
|
