Bayesian Thinking
Trading Intelligence
9 min czytania
Update your beliefs as new evidence arrives using Bayes theorem -- a framework for evolving your system without abandoning it.
Loading
9 min czytania
Update your beliefs as new evidence arrives using Bayes theorem -- a framework for evolving your system without abandoning it.
Rynki się zmieniają. Strategie słabną. Ale porzucenie edge'a zbyt wcześnie potrafi być równie niebezpieczne, co trzymanie się go zbyt długo. Oto jak myśleć jak probabilistyczny strateg.
Wymagania wstępne: Wariancja i odchylenie standardowe — musisz wiedzieć, co znaczy "w granicach oczekiwanej wariancji", zanim zaczniesz na tej podstawie aktualizować przekonania.
Twierdzenie Bayesa — P(H|E) = P(E|H) · P(H) / P(E) — to matematyka prawidłowej zmiany zdania. W tradingu H to "mój system nadal ma edge", a E to "ostatnie 30 transakcji". Ta lekcja pokazuje, jak tę aktualizację policzyć, zamiast jej zgadywać.
Większość traderów działa w skrajnościach:
Ale trading nie jest binarny. Jest probabilistyczny.
Myślenie bayesowskie daje ci ramy, by aktualizować przekonanie o systemie w czasie — bez emocjonalnej przesady.
Dzięki niemu możesz:
Bayesian vs frekwentyzm w jednym zdaniu: frekwentysta pyta "jak często widziałbym takie dowody, gdyby hipoteza zerowa była prawdziwa?", bayesian pyta "skoro mam te dowody, jak powinienem zmienić swoje przekonanie?". Testy frekwentystyczne odrzucają hipotezę zerową albo nie. Bayesian aktualizuje.
Twierdzenie Bayesa: P(H|E) = P(E|H) · P(H) / P(E).
Bez wyrazu likelihood nie aktualizujesz po bayesowsku — po prostu zgadujesz, tylko wolniej.
"Zacznij od przekonania. Gdy pojawiają się nowe dowody, odpowiednio aktualizuj to przekonanie."
W tradingu oznacza to:
Nie rzucasz wszystkiego po 5 stratach — i nie skalujesz lekkomyślnie po 3 wygranych.
Dostosowujesz się na podstawie prawdopodobieństwa, a nie emocji.
Czego myślenie bayesowskie nie robi: nie poprawia twoich danych, nie wykryje zmiany reżimu, której mu nie podasz, i nie uratuje błędnego prioru. Sprawia tylko, że twoja niepewność staje się jawna i sprawdzalna. To cała jego wartość.
Lektura podstawowa: Kahneman, Pułapki myślenia (rozdz. 16, częstości bazowe); Nate Silver, The Signal and the Noise (rozdz. 8, prognozowanie bayesowskie); López de Prado, Advances in Financial Machine Learning (rozdz. 13, o adekwatności próby przed aktualizacją).
| Sytuacja | Reakcja niebayesowska | Odpowiedź bayesowska |
|---|---|---|
| Seria 5 stratnych transakcji | "System jest zepsuty, kończę." | "To mieści się w oczekiwanej wariancji. Ponowna ocena po 30–50 transakcjach." |
| Nagła wygrana 4R | "Edge jest szalony, skaluję szybko!" | "Dobry outlier. Zobaczmy, jak wpłynie na długoterminowe EV." |
| Spadek zmienności rynku | "Ta strategia teraz jest słaba." | "System może radzić sobie gorzej w tym reżimie. Obserwuj i dostosowuj powoli." |
| Nowy filtr wygląda świetnie | "Dodaję od razu!" | "Przetestuj go osobno na próbce. Porównaj bayesowskie posterior EV." |
Pułapka — błąd prokuratora: "Mam 5 stratnych transakcji, mój system jest zepsuty" myli P(5L | edge) z P(edge | 5L). W systemie z win rate 55% P(5L | edge) = 0,018 — rzadkie pojedynczo, ale rutynowe na 200 transakcjach. Bez częstości bazowej rozpadu edge'a sama seria mówi prawie nic.
| Zadawane pytanie | Wynik | Traktuje parametry jako | Wymaga prioru? | Najlepsze dla traderów, gdy |
|---|---|---|---|---|
| Bayesian: "Skoro mam te dowody, jak powinienem zaktualizować przekonanie?" | Rozkład prawdopodobieństwa posterior nad edge'em | Zmienne losowe z rozkładami | Tak | Masz sensowny prior (backtest, historia) i chcesz nieustannie aktualizowanej pewności |
| Frekwentyzm: "Jak często widziałbym to, gdyby edge'a nie było?" | Wartość p, przedział ufności | Stałe nieznane wartości | Nie | Chcesz decyzji tak/nie wobec hipotezy zerowej z czystą regułą stopu |
"Moja strategia ma EV na poziomie +0,5R na podstawie 100 transakcji."
Ostatnie 30 transakcji pokazuje +0,1R, z wyższym drawdownem i slippage'em.
Z priorem P(edge) = 0,70 i obserwując 30 transakcji na +0,1R, gdy oczekiwane było +0,5R (stosunek likelihood przy "edge zachowany" vs "edge zniknął" ≈ 0,4), posterior P(edge | dowody) ≈ 0,48. Edge to teraz rzut monetą, nie pewność — i to uzasadnia 30-procentowe zmniejszenie pozycji, a nie przeczucie.
Nie chodzi o zgadywanie przyszłości. Chodzi o dostosowywanie modeli prawdopodobieństwa z każdą transakcją.
| Wielkość | Wartość | Uwagi |
|---|---|---|
| Prior P(prawdziwy WR 55%) | 0,70 | Z 100 transakcji w backteście |
| Prior P(prawdziwy WR 45%) | 0,30 | Hipoteza "edge się zużył" |
| Obserwacja | 14W / 16L na ostatnich 30 | Transakcje na żywo |
| Likelihood przy 55% | ≈ 0,06 | Binomial(30, 0,55) przy k=14 |
| Likelihood przy 45% | ≈ 0,14 | Binomial(30, 0,45) przy k=14 |
| Posterior P(prawdziwy 55% | 14/30) | ≈ 0,50 | (0,06·0,7) / (0,06·0,7 + 0,14·0,3) |
| Działanie | Zmniejsz pozycję o połowę, zbieraj dalej | Edge jest niepewny, nie martwy |
Tak właśnie wygląda "aktualizacja". Spisałeś prior. Policzyłeś likelihood dla każdej hipotezy. Matematyka dała ci posterior. Bez przeczuć.
Dominują dwa tryby porażki:
Bayes to księgowość, nie zabezpieczenie. Obnaża twoje założenia; nie potwierdza ich.
Na podstawie backtestu lub pierwszych 100 transakcji:
Win rate
EV
Wariancja
Maksymalny drawdown
Potraktuj to jako swój "prior"
Porównaj z priorem:
"Czy nadal mieścimy się w przedziale ufności?" "Czy to prawdopodobnie szum — czy coś się zmieniło?"
Nigdy nie testuj pomysłów na żywo bez niezależnego zapisywania ich wyników.
Lista kontrolna jako proxy — nie prawdziwa aktualizacja bayesowska, ale tania w utrzymaniu co tydzień.
Stwórz ocenę pewności 0–100 dla swojej strategii:
| Kryterium | Punkty |
|---|---|
| EV dodatnie w ciągu ostatnich 50 transakcji | +20 |
| Win rate w zakresie historycznym | +20 |
| Drawdown w oczekiwanych granicach | +20 |
| Zgodność z obecnym reżimem rynkowym | +20 |
| Wykonanie zgodne z dyscypliną | +20 |
| Odchylenia od strategii | –15 |
| Pojawiające się nowe czynniki ryzyka | –15 |
Aktualizuj co tydzień.
Spadek z 90 → 70 to normalna wariancja Spadek z 90 → 40? Czas na pauzę, analizę lub adaptację
Nie. W systemie z win rate 55% seria 5 strat ma P(5L | edge) ≈ 0,018 — rzadkie pojedynczo, ale rutynowe na 200 transakcjach. Oceniaj ponownie po 30–50 transakcjach, nie po 5. Sama seria jest dowodem na temat serii, a nie na temat edge'a.
Posterior = (Likelihood × Prior) / Evidence. Konkretnie: spisz swój prior P(edge) z backtestu, policz likelihood obserwowanej sekwencji transakcji przy hipotezach "edge zachowany" oraz "edge zużyty", a następnie zastosuj P(H|E) = P(E|H)·P(H)/P(E). Policzony przykład w lekcji pokazuje całą drogę numeryczną.
Nie. Lista kontrolna w stylu +20/-15 to dashboard heurystyczny, nie prawdopodobieństwo posterior. Jest przydatna jako szybki cotygodniowy test zdrowego rozsądku, ale nie waży dowodów przez likelihood i nie ma poprawnego prioru. Nie myl jej z liczeniem P(edge | dane).
Przed skakaniem po systemach po małych seriach strat, emocjonalnym sabotażem po świeżych outlierach i nieuzasadnioną nadmierną pewnością po gorącej passie. Wymusza ważenie nowych dowodów względem prioru opartego na próbie, zamiast przesadnej reakcji na ostatnie transakcje.
Mylenie P(seria strat | edge) z P(edge | seria strat). Pierwsze to likelihood; drugie to to, co naprawdę chcesz wiedzieć. Bez częstości bazowej rozpadu edge'a sama seria mówi ci prawie nic o tym, czy twój system jest zepsuty.
Trading nie polega na znalezieniu systemu, który nigdy nie zawodzi. Polega na ciągłym dostosowywaniu zaufania do swojego systemu — w oparciu o dane.
Trading nie polega na znalezieniu systemu, który nigdy nie zawodzi. Polega na uczciwym aktualizowaniu P(edge | to, co właśnie się stało) — i większość traderów tego nie potrafi, bo nigdy nie spisała P(edge) na początku.
Myślenie bayesowskie chroni cię przed:
Zacznij od struktury. Zbieraj dowody. Aktualizuj przekonanie. Rozwijaj się stabilnie — bez przesadnych reakcji.
Polecane dalej: Prawo wielkich liczb i przedziały ufności — kiedy twój posterior faktycznie zbiega do prawdy — oraz Kryterium Kelly'ego, które formalizuje, jak skalować pozycje do twojego posterioru, a nie prioru.