Iza jednostavne logike “riskiram 1 da bih dobio 3” skriva se kompleksnost koju mnogi ne razumiju u potpunosti. Što ako “nagrada” nikada nije zajamčena? Što ako povrat ne odražava samo broj, već i skriveni rizik koji tek treba isplivati na površinu? U ovom tekstu uranjamo duboko u srž omjera rizika i nagrade, oslanjajući se na najnovije uvide znanstvenih istraživanja.
1. Izazovi procjene: Gdje počinje priča o riziku i nagradi
Na globalnom tržištu, vrijednom stotine i stotine milijardi dolara, zakon velikih brojeva vlada svime. Studija koja obuhvaća razdoblje od 1970. do 2022. godine otkriva kako je globalni portfelj izgrađen na ravnoteži između diversifikacije i preuzimanja rizika. No, kako objasniti kontradikciju? Na jednom kraju spektra nalaze se investitori koji traže sigurnost, dok na drugom stoje oni koji žele maksimalne povrate bez obzira na rizik.
Omjer rizika i nagrade ne može postojati u vakuumu. On je proizvod kolektivnih odluka, volatilnosti tržišta i ekonomskih ciklusa. Studija nas uči da uspješan trgovac mora gledati izvan pojedinačnih trgovina, prema makroekonomskim trendovima i uzorcima koji oblikuju tržište.
2. Matematička preciznost u nesigurnim uvjetima
Što ako prosječna vrijednost i varijanca nisu dovoljni za opisivanje stvarnog rizika? Tradicionalni mean-variance modeli, osnova modernog upravljanja portfeljem, često ne uzimaju u obzir realnosti tržišta – asimetriju povrata i “debele repove”. Asimetrična distribucija znači da ekstremni gubici imaju veću vjerojatnost nego što to modeli predviđaju.
Uvođenjem parcijalnih momenata i prilagođenih mjera rizika, istraživači otkrivaju nove načine optimizacije portfelja. Jednostavno rečeno, neophodno je znati kada su dobici vrijedni preuzetog rizika i kako prilagoditi strategije na temelju povijesnih podataka.
3. Strojevi, algoritmi i ljudi: Nova dimenzija trgovanja
U svijetu gdje se podaci generiraju brže nego što ih ljudi mogu analizirati, strojno učenje preuzima ključnu ulogu u trgovanju. Algoritmi sada ne samo da predviđaju kretanja cijena, već i optimiziraju omjere rizika i nagrade na temelju povijesnih obrazaca.
Zamislite scenarij gdje trgovac ima 72% šanse za rast cijene određene dionice. Hoće li riskirati više? Ili će se povući, bojeći se da je algoritam pogriješio? Ovdje ulazimo u srž suvremenog problema – iako su podaci moćni, intuicija trgovca i dalje igra ključnu ulogu u odlučivanju.
4. Praktični alati za svakodnevne “male” trgovce
Za prosječnog trgovca, razumijevanje omjera rizika i nagrade često dolazi kroz iskustvo, a ne teoriju. No, što ako bi se sve moglo pojednostaviti? Razvijene su tablice koje povezuju omjere s postotkom uspješnosti trgovinskih sustava. Ako sustav ima 60% uspješnosti, trgovac može precizno izračunati očekivane povrate na temelju omjera 1:2 ili 1:3.
5. Asimetrija povrata: Faktor koji se ne smije ignorirati
Što se događa kada gubici nisu jednaki dobicima? Ova naizgled jednostavna premisa mijenja sve. Modeli koji ne uzimaju u obzir ovu asimetriju često su osuđeni na propast. Ignoriranje ovih nijansi može rezultirati katastrofalnim gubicima čak i za najpažljivije trgovce.
U nastavku možete vidjeti izračun kretanja win rate ( postavio sam od 20% pa do 90%) i uz to risk reward od 1:0.5 ( znači riskirate 1 da bi zaradili 0.5) do 1:5. Za svaku stavku je izračunata očekivana dobit i točka ( breakeven) tj. broj trejdova koji je potreban da bi sa takvim pristupom bili profitabilni tj. na nuli.
No, da bismo razumjeli zašto trgovanje na temelju omjera rizika i nagrade nije tako jednostavno, ključno je uzeti u obzir ne samo očekivani povrat i breakeven točke, već i vjerojatnosti negativnih nizova. Ovi negativni nizovi često mogu uništiti vaš portfelj prije nego što uspijete iskoristiti povoljne omjere rizika i nagrade.
Ključ je u razumijevanju vjerojatnosti ovih nizova i njihovog utjecaja na kapital.
Bez obzira na to koliko je strategija pažljivo osmišljena, svatko se prije ili kasnije suočava se s ovom statističkom stvarnošću. Ključ problema leži u tome što su negativni nizovi neizbježni i nepredvidivi – čak i uz visoki postotak uspješnosti.
Na primjer, uz postotak uspješnosti od 60% imate samo 1% šanse za niz od pet uzastopnih gubitaka. Ipak, ako trgujete dovoljno dugo, gotovo je sigurno da će se taj niz dogoditi, a čak i mali pad postotka uspješnosti eksponencijalno povećava vjerojatnost dugih nizova gubitaka. Zato vam strategija mora uzeti u obzir ove varijacije.
Moj pristup je dinamički prilagoditi veličinu pozicije i razinu rizika tijekom razdoblja značajnog pada kapitala. Ideja iza ovog pristupa temelji se na konceptu koji omogućuje da smanjim potencijalne gubitke u situacijama kada strategija privremeno ne funkcionira optimalno.
Kako funkcionira dinamičko prilagođavanje?
- Početno postavljanje:
- započinjem s definiranim rizikom po trgovini, npr. 2% ukupnog kapitala.
- Strategija funkcionira normalno dok kapital ne doživi značajan pad(drawdown).
- Tijekom drawdowna:
- Ako drawdown doseže unaprijed definiranu razinu (npr. 10%, 20%, 30%), rizik se smanjuje proporcionalno.
- Na primjer, s početnim kapitalom od 10.000 USD i početnim rizikom od 2%:
- Kod drawdowna od 20%, rizik se smanjuje na 2%⋅(1−0.2)=1.6%
- Kod drawdowna od 50%, rizik se smanjuje na 2%⋅(1−0.5)=1%
- Oporavak kapitala:
- Kako se kapital oporavlja i drawdown smanjuje, veličina rizika se vraća prema početnoj razini.
- Ovakav pristup omogućava da budem konzervativan tijekom nepovoljnih razdoblja, ali agresivniji tijekom povoljnijih tržišnih uvjeta.
Prednosti ovog pristupa
- Zaštita kapitala:
- Dinamičko smanjenje rizika tijekom negativnih nizova sprječava veliki pad kapitala i omogućava da preživimo loše tržišne uvjete.
- Psihološka stabilnost:
- Kada znamo da će veličina rizika automatski biti smanjena tijekom gubitaka, smanjuje se emocionalni stres i povećava disciplina.
- Optimizacija povrata:
- Prilagodba rizika omogućava da zadržimo potencijal za povrate tijekom povoljnih razdoblja, dok istovremeno minimalizira gubitke tijekom loših razdoblja.
Naravno, svako po svojem. Ovo je samo moje viđenje situacije.