Prawo wielkich liczb i centralne twierdzenie graniczne

10 transakcji nie powie ci, czy masz edge, czy powoli wykrwawiasz konto. Większość detalistów rezygnuje, modyfikuje system albo zwiększa pozycję na długo przed tym, zanim zbierze dane potrzebne do oceny. Ta lekcja pokazuje, kiedy realnie można zaufać własnym liczbom.

Wprowadzenie

Prawo wielkich liczb (Law of Large Numbers, LLN) to statystyczna zasada mówiąca, że wraz ze wzrostem liczby niezależnych prób średnia z próby zbiega do prawdziwej wartości oczekiwanej (EV). W tradingu oznacza to, że twój prawdziwy edge ujawnia się dopiero po setkach transakcji — nie po dziesięciu.

Wielu traderów wpada w tę pułapkę:

"Mam 3 wygrane z rzędu — mój system działa!" "Zaliczyłem 6 stratnych transakcji z rzędu — system jest zepsuty!"

Tyle że te reakcje ignorują coś kluczowego — i są tak powszechne, że Kahneman i Tversky nazwali to zjawisko "wiarą w prawo małych liczb" (Psychological Bulletin, 1971):

Wyniki strategii stają się znaczące dopiero po osiągnięciu wystarczająco dużej próby.

To właśnie prawo wielkich liczb — i wyjaśnia ono:

Dlaczego wczesne wyniki transakcji są mylące
Jak rozpoznać, kiedy twój edge jest prawdziwy
Kiedy zacząć ufać strategii (lub ją modyfikować)

Czym jest prawo wielkich liczb?

W rachunku prawdopodobieństwa:

Wraz ze wzrostem liczby prób średni wynik zbliża się do prawdziwej wartości oczekiwanej.

W tradingu:

10 wygranych z rzędu nie oznacza, że twój edge to 90% win rate
20-transakcyjny drawdown nie oznacza, że twój system jest zepsuty
Po 100–300+ transakcjach twoja rzeczywista skuteczność zaczyna się ujawniać

Do tego momentu — widzisz głównie losowość.

Konkretnie: 60-procentowy edge zmierzony na 10 transakcjach ma 95-procentowy przedział ufności (CI) wynoszący mniej więcej [26%, 88%]. Te same dane są spójne zarówno z systemem na poziomie rzutu monetą, jak i z systemem klasy światowej. 10 transakcji naprawdę niczego nie dowodzi.

Uwaga na pułapkę: LLN mówi, że długoterminowe średnie zbiegają do prawdziwej wartości oczekiwanej. Nie mówi, że krótkoterminowe serie się "korygują". Wiara w to, że po 6 stratach z rzędu wygrana jest "należna", to paradoks hazardzisty (gambler's fallacy) — przeciwieństwo LLN. Każda transakcja jest niezależna; przeszłość niczego ci nie jest winna.

Pojęcie	Co naprawdę mówi	Czego NIE mówi
Prawo wielkich liczb (LLN)	Długoterminowa średnia → prawdziwa wartość oczekiwana	Serie się same korygują
Centralne twierdzenie graniczne (CLT)	Rozkład średniej z próby staje się normalny przy dużym n	Pojedyncze wyniki są normalne
Paradoks hazardzisty	(Fałszywe przekonanie) przeszłe serie wymuszają odwrócenie w przyszłości	To NIE jest realna zasada

Ile transakcji to "wystarczająco"?

Wielkość próby	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

Wielkość próby potrzebna, by z 95% pewnością stwierdzić, że win rate > 50%:

Zaobserwowany win rate	Potrzebne transakcje
52%	~2 700
55%	~270
60%	~60
65%	~25

52-procentowy edge wygląda na papierze niewinnie, a jego potwierdzenie zajmuje lata transakcji.

Im większa wariancja i skośność w twoim systemie → tym większa wymagana próba.

Dlaczego małe próby wprowadzają w błąd

Intuicja wokół wariancji: przy n transakcjach błąd standardowy zmierzonego win rate wynosi √(p(1−p)/n). Dla n=10 i prawdziwego p=0,5 to ok. 0,16 — co oznacza, że "prawdziwy 50-procentowy system" rutynowo pokaże 30%–70% na 10 transakcjach. Wariancja maleje powoli: dopiero 100 transakcji sprowadza błąd standardowy do ok. 0,05.

Wyobraź sobie taką strategię:

Win rate = 40%
Średni zysk = 3R
Średnia strata = –1R
EV = +0,8R na transakcję

Ale logujesz tylko 10 transakcji:

Pierwsze 4 to straty
Następne 3 to break-even
Ostatnie 3 = małe zyski

Możesz zrezygnować przy transakcji #6 — nigdy nie docierając do edge'u, który ujawniłby się dopiero przy transakcji #100.

Czym są przedziały ufności (CI)?

Przedział ufności pokazuje prawdopodobny zakres, w którym leży twoja prawdziwa skuteczność, na podstawie próby.

Przykład:

Win rate = 45%
Po 50 transakcjach twój 95-procentowy przedział ufności może wynosić: [35%, 55%]

To znaczy:

Masz 95% pewności, że twój prawdziwy win rate mieści się gdzieś między 35% a 55%.

Im więcej transakcji zalogujesz, tym węższy staje się ten zakres — i tym bardziej stabilne stają się twoje metryki.

Szerokość CI maleje jak 1/√n. Podwojenie próby zawęża przedział tylko o ok. 1,41×. By zmniejszyć CI o połowę, potrzeba 4× więcej transakcji. Przejście ze 100 na 400 transakcji daje więc 2× ostrzejsze oszacowanie, a nie 4×.

Jak obliczyć przedziały ufności (CI) dla win rate

Aby obliczyć 95-procentowy przedział ufności dla twojego win rate:

Wzór

CI = p ± z · √[ p(1 − p) / n ]   (Wald — szybki, ale niedoszacowuje przy małym n lub p blisko 0/1)

Gdzie:

p = zaobserwowany win rate (jako liczba dziesiętna)
z = z-score dla poziomu ufności (dla 95%, z ≈ 1,96)
n = liczba transakcji

Wzoru Walda używaj tylko, gdy n · p · (1 − p) ≥ 5. Poniżej tego progu (małe próby lub skrajne win rate) wybieraj przedział Wilsona (Wilson score interval), który zachowuje dobrą kalibrację nawet przy n=20. Wald jest wygodny; Wilson jest poprawny.

Przykład

Wykonałeś 100 transakcji, z czego 45 było zyskownych.

p = 0,45
n = 100
z = 1,96

Podstaw 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 staje się pomiar twojego systemu.

Zastosowanie w praktyce

Po 30–50 transakcjach: CI jest nadal szeroki — wyniki mogą być mylące
Po 100+ transakcjach: CI zawęża się — pewność rośnie
Po 300+ transakcjach: CI stabilizuje się — zaufanie do systemu jest statystycznie solidne. Reality check: przy 2 transakcjach dziennie to 6 miesięcy. Przy 1 transakcji tygodniowo — sześć lat. Twój edge nie ogłosi się w tym kwartale.

Przedziały ufności możesz też stosować do innych metryk, takich jak:

Średni zwrot na transakcję
Maksymalny drawdown
Profit factor (z bardziej złożonymi modelami statystycznymi)

Jak wykorzystać to w dzienniku transakcji

1. Loguj wszystkie transakcje (bez cherry-pickingu)

Tylko konsekwentne, pełne logowanie pozwala:

Ujawnić zmienność systemu
Przeprowadzić ocenę statystyczną
Uniknąć błędów poznawczych

2. Przeglądaj w próbkach po 50–100 transakcji

Zamiast oceniać transakcja po transakcji, patrz na:

EV w ciągu 100 transakcji
Stabilność stosunku zysków do strat
Wskaźnik Sharpe'a/Sortino w miarę rozszerzania się próby

Strategia, która daje +0,4R w 100 transakcjach, jest prawdopodobnie lepsza niż ta, która daje +3R w 10.

3. Nie zmieniaj zbyt wcześnie

Wielu traderów:

Dodaje filtr
Zmienia stop
"Podkręca" wejście

…po zaledwie 5–20 transakcjach.

Optymalizujesz pod szum — nie pod prawdę.

Co gorsza: każda znacząca modyfikacja resetuje n do zera. Trader, który "dostosowuje" system co 20 transakcji, w każdym cyklu prowadzi inną strategię i nigdy nie zbierze próby na tyle dużej, by LLN miało dla którejkolwiek z nich znaczenie.

Poczekaj na sensowną próbę. Następnie oceń ją z pomocą:

Symulacji Monte Carlo
Metryk kroczących
Przedziałów ufności

Najczęściej zadawane pytania

Czym jest prawo wielkich liczb w tradingu?

Prawo wielkich liczb (LLN) mówi, że wraz ze wzrostem liczby niezależnych prób średnia z próby zbiega do prawdziwej wartości oczekiwanej. W tradingu twój prawdziwy edge — prawdziwy win rate, średnie R lub EV — staje się widoczny dopiero po setkach transakcji, nie po dziesięciu.

Ile transakcji potrzebuję, zanim zaufam strategii?

Zależy od wielkości twojego edge. By z 95% pewnością stwierdzić, że win rate jest powyżej 50%, potrzebujesz ok. 270 transakcji dla systemu 55-procentowego, ale ok. 2 700 dla systemu 52-procentowego. Poniżej n=100 CI jest zbyt szeroki, by odróżnić edge od szumu.

Czy prawo wielkich liczb to to samo co paradoks hazardzisty?

Nie — to przeciwieństwa. LLN mówi o tym, że długoterminowe średnie zbiegają do prawdziwej wartości oczekiwanej. Paradoks hazardzisty to fałszywe przekonanie, że krótkoterminowe serie muszą "skorygować się" przy następnej transakcji. Każda transakcja jest niezależna; przeszłość niczego ci nie jest winna.

Dlaczego szerokość CI maleje jedynie jak 1/√n?

Błąd standardowy proporcji skaluje się jak √(p(1−p)/n), więc przedział ufności zawęża się jak 1/√n. Podwojenie próby zawęża go tylko o ok. 1,41×. By zmniejszyć niepewność o połowę, potrzebujesz 4× więcej danych.

Dlaczego 10 transakcji nie wystarczy do oceny strategii?

Przy n=10 95-procentowy przedział ufności wokół zaobserwowanego 60-procentowego win rate to mniej więcej [26%, 88%]. Ten zakres jest spójny zarówno z systemem na poziomie rzutu monetą, jak i z systemem klasy światowej. Przy tak dużej wariancji 10 transakcji nie pozwala odróżnić prawdziwego edge od szczęścia.

Jak to łączy się z resztą modułu

Wariancja i odchylenie standardowe: decyduje, ile transakcji naprawdę musisz mieć, zanim CI się zacieśni.
Myślenie bayesowskie: jak łączyć priory z małymi próbami, czekając aż LLN zadziała.
Symulacje Monte Carlo: buduj przedziały ufności symulacyjnie, gdy zamknięty wzór Walda zawodzi.
Kryterium Kelly'ego: nigdy nie stosuj sizingu Kelly'ego dla edge'u, którego 95-procentowy CI wciąż obejmuje zero.

Myśl końcowa

Wyniki tradingu są zwodnicze — chyba że dasz matematyce wystarczająco dużo czasu, by przemówiła.

Prawo wielkich liczb przypomina ci:

Nie reaguj nadmiernie na krótkoterminowe serie
Nie bagatelizuj długoterminowych sygnałów
Buduj zaufanie do danych, a nie do dramatu

Dobrzy traderzy myślą w kategoriach serii. Handlują przez szum, prowadzą dziennik konsekwentnie i podejmują decyzje dopiero wtedy, gdy matematyka jest wystarczająco głośna, by ją usłyszeć.