Law of Large Numbers & Confidence Intervals
Trading Intelligence
11 min read
Build statistical confidence in your edge by understanding sample sizes, confidence intervals, and why 10 trades prove nothing.
Loading
11 min read
Build statistical confidence in your edge by understanding sample sizes, confidence intervals, and why 10 trades prove nothing.
Nie możesz ufać strategii opartej na 10 transakcjach. Oto jak zbudować statystyczną pewność co do swojego edge.
Wielu traderów wpada w tę pułapkę:
„Właśnie miałem 3 zyskowne transakcje z rzędu — mój system działa!” „Zaliczyłem 6 stratnych transakcji z rzędu — jest zepsuty!”
Ale te reakcje ignorują coś kluczowego:
Wyniki strategii stają się znaczące dopiero po osiągnięciu wystarczająco dużego sample size.
To jest prawo wielkich liczb — i wyjaśnia ono:
W prawdopodobieństwie:
Wraz ze wzrostem liczby prób, średni wynik zbliża się do prawdziwej expected value.
W tradingu:
Do tego momentu — widzisz głównie losowość.
| Sample size | Co ci mówi |
|---|---|
| 10–20 | Szum. Statystycznie bez znaczenia |
| 50 | Wczesny sygnał kierunkowy |
| 100 | Minimum dla pewności co do win rate/EV |
| 200–300 | Rozsądne potwierdzenie odporności |
| 500+ | Mocny dowód długoterminowej spójności |
Im większa variance i skośność w twoim systemie → tym większy wymagany sample size.
Wyobraź sobie taką strategię:
Ale logujesz tylko 10 transakcji:
Możesz zrezygnować po 6. transakcji — nigdy nie docierając do edge, który pojawiłby się do 100. transakcji.
Przedział ufności pokazuje prawdopodobny zakres, w którym leży twoja prawdziwa skuteczność, na podstawie twojej próbki.
Przykład:
To znaczy:
Masz 95% pewności, że twój prawdziwy win rate mieści się gdzieś między 35–55%.
Im więcej transakcji zalogujesz, tym węższy staje się ten zakres — i tym bardziej stabilne są twoje metryki.
Aby obliczyć 95% przedział ufności dla twojego win rate:
CI = p ± z * √[ (p(1 – p)) / n ]
Gdzie:
p = zaobserwowany win rate (jako liczba dziesiętna)z = z-score dla poziomu ufności (dla 95%, z ≈ 1.96)n = liczba transakcjiWykonałeś 100 transakcji, z czego 45 było zyskownych.
p = 0.45n = 100z = 1.96Podstaw do wzoru:
CI = 0.45 ± 1.96 × √[ (0.45 × 0.55) / 100 ]
CI = 0.45 ± 1.96 × √(0.2475 / 100)
CI = 0.45 ± 1.96 × 0.0497
CI = 0.45 ± 0.0974
Przedział ufności = [0.3526, 0.5474] lub [35.3%, 54.7%]
To oznacza:
Masz 95% pewności, że twój prawdziwy win rate mieści się między 35.3% a 54.7%.
Im więcej transakcji dodasz (większe n), tym węższy staje się twój przedział ufności — i tym bardziej precyzyjny pomiar twojego systemu.
Możesz też zastosować przedziały ufności do innych metryk, takich jak:
Tylko konsekwentne, pełne śledzenie może:
Zamiast oceniać transakcja po transakcji, patrz na:
Strategia, która daje +0.4R w 100 transakcjach, jest prawdopodobnie lepsza niż ta, która daje +3R w 10.
Wielu traderów:
…po zaledwie 5–20 transakcjach.
Optymalizujesz pod szum — nie pod prawdę.
Poczekaj na znaczącą próbkę. Następnie oceń za pomocą:
Wyniki tradingu są zwodnicze — chyba że dasz matematyce wystarczająco dużo czasu, by przemówiła.
Prawo wielkich liczb przypomina ci:
Wielcy traderzy myślą w kategoriach serii. Handlują przez szum, prowadzą dziennik konsekwentnie i podejmują decyzje tylko wtedy, gdy matematyka jest wystarczająco głośna, by ją usłyszeć.