risk , opportunity , Reward/Risk , win rate คือ ???

ก่อนที่จะอธิบายทั้งหมดเรามาฟัง อะไรบางอย่างที่มันตลก ๆก่อน ละกัน ถ้าวันนึงเราเดินเข้าไปที่บ่อน โดยมีเงินติดตัวไป 1000 บาทแล้วตัดสินใจเล่นเกม

โยนเหรียญหัว-ก้อย โดยเขามีเงื่อนไขดังนี้

1.แทงขั้นต่ำ 10 บาท แต่ไม่จำกัด limit สูงสุดในการแทง

2.ถ้าแทงถูกจะได้เงินเป็น 2 เท่าของ เงินที่แทง เช่น แทง 10 บาทชนะได้ 20 บาท

เป็นคุณๆ จะเลือกแทงเงินครั้งละเท่าไหร่…. คำตอบนี้แต่ละคนจะไม่เท่ากันคับ แต่ผมคิดว่าน้อยคนคับที่จะแทงตาเดียว 1000 บาท ทีนี้เราเลยเอาหลักความน่าจะเป็นมาใช้ในการแทง เราสามารถวิเคราะห์ได้ว่า โอกาสในการออกหัว และ ก้อย เท่ากัน คือ 50 – 50 แต่ว่า “รางวัล Reward/Risk = 2”

ดังนั้นหากเราสามารถ แบ่งเงิน 1000 บาทให้แทงได้มากครั้งที่สุดเท่าที่จะทำได้ เราก็จะมีโอกาสที่จะทำให้ค่าเฉลี่ยของการได้เสีย วิ่งเข้าใกล้ 50 ต่อ 50 มากขึ้นตามไปด้วย เราเลยตัดสินใจแทงตาละ 10 บาท 100 ตา เมื่อเวลาผ่านไปเราควรจะได้เงินดังนี้

กำไร 50 x 20 บาท = 1000 บาท
ขาดทุน 50 x 10 บาท = 500 บาท
รวมกำไร-ขาดทุน คือ 1000 – 500 บาท = กำไร 500 บาท

มองดูแล้วก็ไม่เห็นมีอะไรแปลกนี้ ในทางกลับถ้าเราแบ่งจำนวนไม้ให้น้อยลง เช่น แทงตาละ 500 จำนวน 2 ตา เราก็จะทำให้ค่าเฉลี่ยในการเล่น หัว – ก้อย เขาใกล้ 50 % ลดลง เพราะความยืดหยุ่นที่ต่ำ และจำนวนข้อมูลต่อครั้งที่น้อยเกินไป

จากสิ่งเหล่านี้แสดงให้เราเห็นว่า ตัวแปร 3 อย่าง ที่จะทำให้เรากำไร “โดยใช้หลักความน่าจะเป็น” คือ

1.win rate ยิ่งมากยิ่งดี (ในที่นี้ win rate คือ 50 %)

2. Reward/Risk ยิ่งมากยิ่งดี เพราะในการได้แต่ละครั้งเราจะเหลือส่วนต่างมาชดเชยในเกมที่เสีย (ในที่นี้ ได้ 1 ครั้ง สามารถแพ้ได้ 2 ครั้ง) ดังนั้น Risk/Reward ควรที่จะมีค่ามากกว่า 1 ได้ยิ่งดี (กำไรมากกว่าขาดทุน)

3.opportunity หรือ โอกาสที่จะเล่น เนื่องจาก “ความน่าจะเป็นนั้นเป็นการคำนวณสถิติในระยะยาว” ถ้าเรายิ่งเพิ่มจำนวนครั้งมากขึ้น ค่าเฉลี่ยจะยิ่งมีโอกาสวิ่งเข้าใกล้ค่า win rate มากขึ้นในกรณีที่เรา plot กราฟ (บางทีก็เรียกว่า MM)

—–> มามองที่การเทรดบ้าง <—–

* risk คือ ความเสี่ยง หากเราอยากที่จะได้กำไรได้ในระยะยาว เราเลยมีความเชื่อว่าต้องพยายามที่จะทำ risk ให้เข้าใกล้ “ศูนย์” ให้มากที่สุด จึงเกิด สิ่งที่เรียกว่า “win rate ratio” และก็จะพยายามทำให้ ค่านี้มีค่าเป็น 100 % (Holy grail) หลายคนจึงทำการพัฒนาระบบอย่างสุดความสามารถ พยายามอุดรอยโหว่ต่างๆ ทั้งตรงโน่นตรงนี้ ใส่ค่าต่างๆมากมาย เพื่อเพิ่มความแม่นยำมากขึ้น จนลืมไปว่า “ตามทฤษฏีแล้ว ตลาดเป็นระบบ Random”

* Reward/Risk คือ ค่าขาดทุนต่อกำไร ดังนั้นถ้าเรามาพัฒนาตัวนี้ มากกว่า 1 ขึ้นไป มันก็จะสามารถที่จะทำให้เราสามารถอยู่รอดในระยะยาวได้เช่นกัน เพราะมีส่วนต่างมาชดเชยในตอนขาดทุน แต่ถ้ามันต่ำกว่า 1 ก็ไม่ได้แสดงว่ามันจะไม่รอดนะ เพราะ จริงๆแล้ว win rate เราสูงมากๆ ก็สามารถช่วยได้เช่นกัน ยกตัวอย่าง

ระบบแม่นโครตพ่อ มี win rate ที่ 80 % แต่มี RR ที่ 0.8 ในระยะยาวจะเป็น
(80 x 0.8) – (20 x 1) = 64 – 20 = +44 ระยะยาวคือ กำไร ที่นี้เราเลยมาตั้งสมการเพื่อหาว่า ค่า RR ต่ำที่สุดที่ทำให้กำไรในระบบนี้ คือเท่าไหร่ เราจะได้ดังนี้
กำหนด ให้ ค่า z เป็น “ค่ากำไรที่ต่ำที่สุดในการชนะแต่ละครั้ง”

(80 x z) – (20 x 1) > 0
80z-20 > 0
80z > 20
z > (20/80) หรือ 0.25 นั้นเอง

หมายความว่า ถ้าระบบคุณมีความแม่นยำ 80 % ค่า RR คุณไม่ควรต่ำกว่า 0.25

* opportunity คือ จำนวนครั้งในการเทรด

ดังนั้นถ้าเราต้องสร้างให้พอร์ตของเรานั้น เทรดได้จำนวนครั้งที่มากที่สุดเท่าที่จะทำได้ เราก็จะสามารถ ทำให้ win rate ratio ของเรา แสดงผล ได้เต็มประสิทธิภาพมากยิ่งขึ้น เพราะ Lost ของระบบต้องมีเสมอ แต่ opportunity ที่สูงขึ้นจะทำให้ Loss ส่งผลกับพอร์ตของเราน้อยลง ซึ่งเราเรียก ตรงนี้ว่า “money management” ดังนั้นหากเราลด opportunity ในพอร์ตเราให้น้อยลง Loss ของระบบก็จะทำร้ายเราได้รุนแรงมากขึ้นเรื่อย เช่น การ over trade แล้ว เจอ Loss พอดี (นั้นคือ เหตุผลที่ไม่ควร over trade) หากเรามองว่า ตัวแปร ทั้ง 3 นั้นมีความสำคัญเท่าๆกันแล้ว เราจะได้ว่า แต่ละตัวแปรมีความสำคัญ 100/3 = 33.3 % และตีว่า การอยู่รอดในตลาดนั้นควรได้ ค่าไม่น้อยกว่า 50 % การที่เราไปพัฒนาที่ win rate เพียงอย่างเดียวย่อมไม่สามารถที่จะสร้างค่าได้มากกว่า 50 % อย่างแน่นอน นั้นคือคำอธิบายที่ว่าทำไม
“ระบบของเราทั้งๆที่ แม่นยำสูงมาก แต่ทำไมพอร์ตเรายังขาดทุนในระยะยาว”

ดังนั้นหากมองดีๆ แล้ว เราควรที่จะพัฒนาไป ทั้ง 3 อย่างเลยต่างหาก เราก็จะเริ่มไม่ตามหา holy grail แล้วดีมะ

ทีนี้เรามาลอง วิเคราะห์ระบบ Trend follow กันดีกว่าที่ว่า ค่า win rate ที่เขาต้องการต่ำสุดคือ เท่าไร (ส่วนใหญ่แล้ว ระบบนี้ค่า RR จะมากกว่า 2 แต่เราจะใช้แค่ 2 พอ) ให้ “ค่า y เป็น win rate ที่ต่ำที่สุดที่ต้องการ”

(y x 2) – ((1-y) x 1) > 0
2y-1+y > 0
3y > 1
y > (1/3) หรือ 0.33 นั้นเอง

เป็นตัวเลขที่น่าตกใจไหมครับว่า ค่า win rate ratio ของระบบ Trend Follow มี “ค่าความแม่นยำแค่ 33 % ก็รอดแล้ว” แต่เราอย่างลืมนะคับว่า opportunity เป็นส่วนสำคัญที่ทำให้ ระบบเราแสดงประสิทธิภาพได้สูงขึ้น

ดังนั้นถึงเวลาหรือยังที่จะ “ลดความแม่นยำให้น้อยลง แล้วหันมาพัฒนาที่ Reward/Risk กับ opportunity บ้าง” เมื่อเราพัฒนาทั้ง 3 ตัวแปรแล้ว เราจะสามารถสร้าง strategy plan ได้