트레이딩 시스템을 형성하는 여섯 가지 변수
트레이딩 시스템은 일련의 규칙으로 설명할 수 있지만, 장기적인 결과는 여러 상호작용 변수에 달려 있습니다. 학습 노트에는 여섯 가지가 나열됩니다. 신뢰도(승률), 보상 대 위험 비율, 거래 비용, 거래 빈도 또는 기회, 포지션 사이징, 그리고 계좌의 자본 규모인데, 개요에서는 이를 트레이딩 심리라고 부릅니다. 신뢰도는 거래나 투자 중 수익이 나는 비율이 얼마인지 묻습니다. 보상 대 위험은 주식 1주나 선물 계약 1개와 같은 최소 거래 단위에서 손실 대비 수익이 얼마나 큰지 묻습니다. 예를 들어, 실패한 거래가 주당 $1을 잃고 성공한 거래가 주당 $1을 번다면 상대적 크기는 같습니다. 승자가 $10을 버는 동안 패자가 $1을 잃으면 상대적 크기는 매우 다릅니다. 거래 비용에는 체결 비용과 수수료가 포함되며, 모든 거래는 계좌 규모에 부담으로 작용합니다. 빈도는 기회가 얼마나 자주 나타나는지에 관한 것입니다. 포지션 사이징은 얼마나 많은 단위를 거래할지 결정하므로, 주당 수익이나 손실에 주식 수를 곱하게 됩니다. 자본 규모는 처음 네 가지 변수가 계좌에 얼마나 크게 영향을 미치는지 결정합니다. $20의 비용은 $1,000 계좌에서 $1,000,000 계좌에서보다 훨씬 더 큰 의미가 있습니다. 출처는 한 변수가 다른 변수보다 더 중요한지 묻고, 여섯 가지 모두 중요하다고 제시합니다. 그러나 많은 트레이더는 신뢰도, 즉 맞고 싶은 욕구에만 집중하고 다른 메커니즘은 무시합니다. 이러한 집착은 학습 노트의 핵심 주제입니다.
눈덩이 비유: 기대값이 작동하는 방식
눈덩이 비유는 처음 네 가지 변수가 어떻게 결합하는지 보여줍니다. 한 사람이 커다란 눈벽 뒤에 숨어 있습니다. 그 벽을 향해 눈덩이가 던져집니다. 흰 눈덩이는 수익 거래와 같습니다. 흰 눈덩이는 붙어서 벽을 더 크게 만듭니다. 검은 눈덩이는 손실 거래와 같습니다. 검은 눈덩이는 자신의 크기만큼 구멍을 녹여 냅니다. 벽의 크기는 초기 자본을 나타냅니다. 신뢰도는 흰 눈덩이의 비율입니다. 보상 대 위험은 흰 눈덩이와 검은 눈덩이의 상대적 크기입니다. 흰 눈덩이가 골프공 크기이고 검은 눈덩이가 지름 1.83미터라면, 흰 눈덩이가 하루 종일 날아와도 검은 눈덩이 하나가 벽을 파괴할 수 있습니다. 흰 눈덩이가 거대한 바위이고 검은 눈덩이가 골프공 크기라면, 하루에 흰 눈덩이 하나로도 많은 작은 검은 눈덩이에 맞설 충분한 보호를 쌓을 수 있습니다. 거래 비용은 흰 눈덩이든 검은 눈덩이든 모든 눈덩이에서 생기는 약간의 손상처럼 작용합니다. 빈도는 눈덩이가 얼마나 자주 던져지는지입니다. 포지션 사이징은 한 번에 몇 개의 눈덩이를 던지는지입니다. 골프공 크기의 검은 눈덩이 하나는 작은 구멍을 냅니다. 한 번에 10,000개가 던져지면 벽이 아주 크지 않은 한 파괴될 수 있습니다. 기대값은 눈덩이 하나의 평균 효과입니다. 출처의 수치 예에서 흰 눈덩이 60개는 6.792세제곱미터를 더하고, 검은 눈덩이 40개는 3.396세제곱미터를 제거하며, 눈덩이 100개로 인한 총 손상은 0.283세제곱미터입니다. 순효과는 6.792에서 3.396을 빼고 0.283을 뺀 값, 즉 3.113세제곱미터입니다. 이를 100으로 나누면 각 눈덩이는 평균 0.031세제곱미터를 더합니다. 트레이딩에서 이 평균 효과는 위험 1달러당 거래 1건의 기대값입니다. 양수라면 많은 거래를 거치며 자본이 성장하는 경향이 있고, 음수라면 자본이 줄어드는 경향이 있습니다.
눈덩이에서 R 배수로: 위험을 일관되게 측정하기
출처는 위험을 R로 정의합니다. 거래에 들어가기 전에 트레이더는 자본을 보호하려는 청산 지점을 정하며, 그 거리가 초기 위험입니다. 예를 들어 주식을 $40에 사고 $30에 청산하기로 결정했다면 위험은 주당 $10입니다. 100주를 산다면 총위험은 1R, 즉 $1,000입니다. 그러면 수익과 손실을 R 배수로 표현할 수 있습니다. $2,000의 수익은 2R이고, $10,000의 수익은 10R입니다. $500의 손실은 0.5R이고, $2,000의 손실은 2R입니다. 1R보다 큰 손실은 청산 규율이 무너지고 시장이 계획보다 더 움직일 때 발생할 수 있습니다. 명시된 목표는 손실을 1R 이하로 유지하는 것입니다. 일련의 R 배수는 R 배수 분포를 이룹니다. 그 분포의 평균이 시스템의 기대값입니다. 간단한 주머니 예에서는 파란 공 60개와 검은 공 40개를 사용합니다. 파란 공은 1R을 벌고, 검은 공은 1R을 잃습니다. 60번의 승리는 60R을 만들고, 40번의 패배는 마이너스 40R을 만들며, 순결과는 100번의 거래에서 20R, 즉 기대값 0.2R입니다. 거래당 위험이 $2라면 1,000번의 거래는 기대값 200R, 즉 $400을 만들 것입니다. 두 번째 주머니에서는 승률이 36%에 불과하지만 평균 승리가 더 큽니다. 총승리 R은 플러스 160R이고, 총패배 R은 마이너스 82R이며, 순결과는 100번의 거래에서 플러스 78R, 즉 0.78R입니다. 이 게임은 승률이 더 낮지만 기대값은 약 네 배입니다. 따라서 승률만 보는 것은 오해를 부릅니다.
