Position Sizing Based on Confidence Intervals
Trading Intelligence
8 min czytania
Size positions based on statistical certainty rather than emotion, using confidence intervals from your actual track record.
Loading
8 min czytania
Size positions based on statistical certainty rather than emotion, using confidence intervals from your actual track record.
Wielkość pozycji w oparciu o przedziały ufności oznacza skalowanie ryzyka do dolnej granicy przedziału statystycznego twojego edge'u — a nie do estymatora punktowego. Przy N transakcjach, oczekiwanej wartości E i odchyleniu standardowym s, planuj wokół E − t·s/√N, nigdy wokół samego E.
To, że miałeś 10 wygranych z rzędu, nie oznacza, że powinieneś podwoić ryzyko. Oto jak ustalać wielkość pozycji w oparciu o pewność statystyczną — a nie emocje.
Wymagania wstępne: Rozkład zwrotów z transakcji (wariancja, odchylenie standardowe) oraz Ryzyko ruiny (rama drawdownu).
Większość traderów pyta:
„Czy mogę teraz zwiększyć wielkość pozycji?"
I większość robi to na podstawie:
Ale profesjonaliści pytają:
„Czy mój edge jest wystarczająco udowodniony, by uzasadnić większy rozmiar?"
Ten wpis wprowadza przedziały ufności — statystyczny sposób na decyzję, kiedy bezpiecznie zwiększyć skalę i na ile można ufać własnym danym.
Przedział ufności (CI) mówi ci:
„Biorąc pod uwagę moją próbkę wyników, jaki jest zakres możliwych prawdziwych wartości mojego win rate, EV lub wskaźnika Sharpe'a?"
Zgodnie z prawem wielkich liczb średnia z próby zbiega do prawdziwej wartości oczekiwanej (EV) — ale powoli. Dopóki N jest małe, twoja próbka jest zaszumionym estymatorem, a CI mierzy ten szum.
Opiera się na:
Załóżmy, że masz 20 transakcji ze średnim zwrotem +0,5R.
Przy małej próbce przedział ufności jest szeroki — co oznacza, że prawdziwa EV może być znacznie niższa (lub wyższa) — ale przy określaniu wielkości pozycji liczy się tylko strona spadkowa. Niespodzianki w górę nie wysadzają kont; niespodzianki w dół tak. Planuj wokół dolnej granicy.
Nie powinieneś zwiększać rozmiaru pozycji, dopóki twój edge nie jest statystycznie stabilny.
Wygrywasz 12 z 20 transakcji → 60% win rate.
95% przedział ufności dla win rate (przedział Wilsona — preferowany nad aproksymacją Walda przy małym N; patrz Wilson, 1927):
≈ 38% do 79%
To znaczy: jesteś w 95% pewien, że twój prawdziwy win rate leży gdzieś w tym zakresie. To… niezbyt wiarygodne.
Teraz przy 100 transakcjach i 60 wygranych: CI zawęża się do ≈ 50% do 69% → Znacznie bardziej stabilne → bezpieczniej nieco zwiększyć ryzyko.
Załóżmy:
95% CI dla średniego EV wynosi:
EV ± t(0.025, n−1) × (s / √n)
— dla n=25 użyj t ≈ 2.06, nie 1.96 (poniżej 1.96 dla okrągłych liczb)
= 0.6 ± 1.96 × (1.4 / √25)
= 0.6 ± 1.96 × 0.28
= 0.6 ± 0.55
→ EV Range = [0.05R, 1.15R]
Dla n < 30 wartość krytyczna t (Student, 1908) zastępuje 1,96. I pamiętaj: zwroty z transakcji mają grube ogony, więc ten CI jest optymistyczny — bezpieczniejszy jest bootstrap CI na twoim rzeczywistym P&L (patrz też VaR i CVaR dla kwantyfikacji ryzyka ogona).
To ogromny zakres. Czy chciałbyś zwiększać rozmiar pozycji na tej podstawie?
Teraz spróbuj 100 transakcji:
EV ± 1.96 × (1.4 / √100)
= 0.6 ± 0.27 → [0.33R, 0.87R]
Planuj tak, jakby twój edge równał się dolnej granicy CI (tu 0,33R), a nie estymatorowi punktowemu. Wielkość pozycji zbudowana na górnej połowie CI to po prostu eskalacja na dobrej passie w fartuchu laboratoryjnym.
Przykład praktyczny: N=40, E=0,4R, s=1,1R → 95% CI ≈ [0,05R, 0,75R]. Współczynnik shrinkage = lower_CI / point_estimate = 0,05 / 0,4 = 0,125. Jeśli twoje nieskorygowane Kelly lub bazowe ryzyko sugeruje 1,0% ryzyka na transakcję, to ryzyko po shrinkage = 0,125%. Handluj, dopóki dolna granica CI nie podniesie się; wtedy zmień rozmiar.
Reguła kciuka: risk% = base_risk% × max(0, lower_CI / point_estimate). Jeśli dolna granica CI jest ≤ 0, twój edge nie jest statystycznie odróżnialny od zera — rozmiar = 0. Patrz dekompozycja oczekiwanej wartości, by zobaczyć, skąd faktycznie pochodzi E_hat.
| Metoda | Na czym oparty rozmiar | Odporna na małe N? | Typowy tryb porażki |
|---|---|---|---|
| Estymator punktowy % ryzyka | E_hat | Nie | Nadmierna pewność po dobrej passie |
| Shrinkage dolnego CI | E_hat − t·s/√N | Tak | Powolne skalowanie |
| Pełne Kelly | f* na E_hat | Nie | Katastrofalne, gdy E_hat jest błędne |
| Frakcja Kelly'ego (½) | f*/2 na E_hat | Częściowo | Wciąż używa estymatora punktowego |
| Posterior Bayesowski | średnia a posteriori E | Tak (z priorem) | Wrażliwa na wybór prioru |
| Liczba transakcji (rozmiar próbki) | Zalecane maks. ryzyko na transakcję | Dlaczego |
|---|---|---|
| 0–30 transakcji | 0,25%–0,5% | Przy N=20 dolna granica CI jest zwykle ujemna — estymator punktowy to szum. |
| 30–75 transakcji | 0,5%–0,75% | Dolna granica CI zaczyna się stabilizować, ale wciąż to ~10–25% estymatora punktowego. |
| 75–150 transakcji | 1,0% | Dolna granica CI typowo osiąga ~30–50% estymatora punktowego. |
| 150+ transakcji, stabilne statystyki | 1,25%–1,5% (tylko zaawansowani) | Dolna granica CI to znacząca część estymatora punktowego; wymagana wciąż stabilność reżimu. |
Wskazówka dotycząca skalowania: Zwiększaj rozmiar tylko, jeśli:
Częsty błąd: „Utrzymałem +0,6R EV przez 50 transakcji, więc podwoiłem rozmiar." Oblicz dolną granicę 95% CI. Jeśli przesunęła się z 0,05R do 0,30R, to skromny dowód — podnieś ryzyko o 20%, nie o 100%.
CI to model. Jak każdy model, dostarczany jest z założeniami, które zawodzą na rzeczywistych zwrotach z transakcji:
Użyj bootstrap CI na żywej krzywej P&L jako kontroli zdrowego rozsądku i zweryfikuj krzyżowo z ryzykiem ruiny na EV z dolnej granicy.
Nie postawiłbyś milionów na 10 transakcjach. Nie ryzykuj dużego % swojego kapitału w oparciu o małą próbkę danych.
Używaj przedziałów ufności, by chronić się przed nadmierną pewnością siebie.
Prawdziwy edge to dolna granica twojego CI, a nie średnia z dziennika transakcji. Wszystko powyżej dolnej granicy to nadzieja.
Przedziały ufności dają ci:
Pozwól swojemu systemowi zasłużyć na prawo do skalowania.
Dalej: Optymalna strategia wypłat i wzrostu — gdy twoja dolna granica CI jest dodatnia i stabilna, Kelly mówi ci o górnej granicy rozmiaru.
Przedział ufności (CI) to statystyczny zakres prawdopodobnych prawdziwych wartości metryki — win rate, oczekiwanej wartości lub wskaźnika Sharpe'a — przy danej próbce transakcji. 95% CI oznacza: gdybyś powtórzył tę samą liczbę transakcji wielokrotnie, prawdziwa wartość mieściłaby się w tym zakresie w 95% powtórzeń.
Wytyczne lekcji co do rozmiaru próbki: 0–30 transakcji — limit ryzyka 0,25–0,5%; 30–75 — 0,5–0,75%; 75–150 — 1,0%; 150+ przy stabilnych statystykach — 1,25–1,5%. Głębsza zasada: skaluj dopiero, gdy dolna granica twojego 95% CI dla wartości oczekiwanej jest dodatnia i rośnie, a nie tylko dlatego, że estymator punktowy się utrzymał.
O dolną granicę. Wielkość pozycji zbudowana na estymatorze punktowym (średniej) to eskalacja na dobrej passie w przebraniu — niespodzianki w górę nie wysadzają kont, niespodzianki w dół tak. Planuj tak, jakby twój edge równał się dolnej granicy CI, a potem niech żywe dowody podniosą tę granicę, zanim zaczniesz skalować.
Przy małej próbce przedział ufności wokół twojego edge'u jest szeroki, więc prawdziwa wartość oczekiwana może być znacznie niższa, niż sugeruje ostatnia seria. Zwiększanie rozmiaru na passie traktuje szum jako dowód — dolna granica CI mówi ci, ile z tej ostatniej wydajności jest statystycznie rzeczywiste.
Standardowy CI t/z zakłada normalność i niezależność transakcji (i.i.d.), które zwroty z transakcji łamią — więc CI jest optymistyczny w realnych warunkach. Użyj go jako filtra pierwszego przejścia, a następnie zweryfikuj bootstrap CI obliczonym bezpośrednio na twojej żywej krzywej P&L i połącz z analizą ryzyka ruiny i CVaR dla ekspozycji ogonowej.