เป็นเรื่องน่าดึงดูดที่จะตัดสินกลยุทธ์การเทรดด้วยตัวเลขเดียว: ชนะบ่อยแค่ไหน กลยุทธ์ที่ชนะ 70% ของเวลาดูดีกว่ากลยุทธ์ที่ชนะ 35% ของเวลาอย่างชัดเจน — จนกว่าคุณจะคำนวณจริงๆ แล้วพบว่ากลยุทธ์ที่ win rate 35% กลับเป็นตัวที่ทำกำไรได้มากกว่า Win rate เพียงอย่างเดียวแทบไม่บอกอะไรเลยว่ากลยุทธ์นั้นทำเงินได้ในระยะยาวหรือไม่ ตัวเลขที่ตอบคำถามนั้นได้จริงคือ expectancy ซึ่งนำทั้งความถี่ในการชนะและขนาดของการชนะหรือขาดทุนแต่ละครั้งมาคิดรวมกัน
กับดักของการตัดสินกลยุทธ์ด้วย Win Rate เพียงอย่างเดียว
Win rate ดึงดูดใจเพราะเป็นสถิติที่ติดตามง่ายที่สุดและให้ความรู้สึกทางอารมณ์ที่ดีที่สุดในแต่ละเทรด — ไม่มีใครชอบการขาดทุนติดต่อกันหลายครั้ง ไม่ว่าคณิตศาสตร์เบื้องหลังจะบอกอะไรก็ตาม แต่ win rate เพียงอย่างเดียวเป็นเศษส่วนที่ไม่สมบูรณ์ มันบอกความถี่ของการชนะ แต่ไม่บอกอะไรเกี่ยวกับขนาดของมันเทียบกับการขาดทุน กลยุทธ์ที่ชนะเก้าในสิบครั้งแต่เสี่ยง $100 เพื่อได้ $10 ทุกครั้ง เป็นกลยุทธ์ที่ขาดทุนโดยรวมทันทีที่เทรดที่สิบชนกับ Stop Loss เพราะการขาดทุน $900 ครั้งเดียวลบล้างกำไร $10 เก้าครั้งไปหมด ในขณะที่กลยุทธ์ที่ชนะแค่สามในสิบครั้งแต่เสี่ยง $100 เพื่อได้ $400 สามารถทำกำไรได้อย่างสบายๆ เพราะกำไรสามครั้ง ($1,200) มากกว่าการขาดทุนเจ็ดครั้ง ($700) อย่างชัดเจน Win rate ตอบคำถาม "ฉันถูกบ่อยแค่ไหน?" Expectancy ตอบคำถามเดียวที่สำคัญจริงๆ ต่อยอดเงินในบัญชี: "ฉันได้รับผลตอบแทนมากพอตอนที่ถูก เพื่อชดเชยตอนที่ผิดหรือไม่?"
สูตร Expectancy
Expectancy คำนวณต่อเทรด แสดงเป็นทั้งหน่วยเงินหรือที่มีประโยชน์กว่าคือหน่วย R-multiple (ทวีคูณของจำนวนที่เสี่ยงในเทรดนั้น — ดู พื้นฐานการบริหารความเสี่ยง สำหรับวิธีนิยาม R) สูตรคือ
Expectancy = (Win% × Average Win) − (Loss% × Average Loss)
ผลลัพธ์ที่เป็นบวกหมายความว่ากลยุทธ์นั้นทำกำไรได้ทางคณิตศาสตร์ในระยะยาวเมื่อมีจำนวนเทรดมากพอ ไม่ว่ามันจะรู้สึกอย่างไรในแต่ละเทรด ผลลัพธ์ที่เป็นลบหมายความว่ากลยุทธ์นั้นขาดทุนในระยะยาวแม้ว่ามันจะบังเอิญชนะติดต่อกันในระยะสั้น Expectancy ไม่ได้ทำนายว่าเทรดถัดไปจะเป็นอย่างไร — มันอธิบายว่าเทรดโดยเฉลี่ยมีมูลค่าเท่าไรเมื่อ win rate และขนาดกำไร/ขาดทุนถูกนำมาคิดรวมกันแล้ว
ตัวอย่างการคำนวณ A: Win Rate สูง ผลตอบแทนเล็ก
ลองดูกลยุทธ์ที่มี win rate 70% โดยกำไรเฉลี่ยคือ 0.5R และขาดทุนเฉลี่ยคือ 1R เต็ม (รูปแบบที่พบได้บ่อยสำหรับระบบแบบ mean-reversion หรือ scalping ที่ทำกำไรเล็กๆ บ่อยครั้งและบางครั้งก็คืนกลับไปเต็มจำนวน) แทนค่าในสูตร: (0.70 × 0.5) − (0.30 × 1) = 0.35 − 0.30 = +0.05R ต่อเทรด นั่นคือความได้เปรียบที่แท้จริง แต่บางมาก — จาก 100 เทรด กลยุทธ์นี้คาดว่าจะได้กำไรสุทธิประมาณ 5R และมันไวต่อการลดลงเล็กน้อยของ win rate มาก ถ้า win rate จริงกลายเป็น 65% แทนที่จะเป็น 70% คณิตศาสตร์เดียวกันให้ (0.65 × 0.5) − (0.35 × 1) = 0.325 − 0.35 = −0.025R พลิกกลยุทธ์ให้เป็นลบทันที ระบบที่มี win rate สูงและผลตอบแทนเล็กต้องการให้การประมาณ win rate แม่นยำ เพราะมีพื้นที่ผิดพลาดน้อยมาก
ตัวอย่างการคำนวณ B: Win Rate ต่ำ ผลตอบแทนใหญ่
คราวนี้ลองดูกลยุทธ์แบบ trend-following ที่มี win rate 35% โดยกำไรเฉลี่ยคือ 3R (ปล่อยให้กำไรวิ่งต่อ) และขาดทุนเฉลี่ยคือ 1R (Stop Loss ที่มีวินัยและสม่ำเสมอ) แทนค่า: (0.35 × 3) − (0.65 × 1) = 1.05 − 0.65 = +0.40R ต่อเทรด — มากกว่าความได้เปรียบของ Scenario A ถึงแปดเท่า แม้จะชนะน้อยกว่าครึ่งหนึ่งก็ตาม นี่คือผลลัพธ์ที่ขัดกับสัญชาตญาณที่เทรดเดอร์มีประสบการณ์มักเข้าใจในที่สุด: กลยุทธ์ที่ "ผิด" ส่วนใหญ่ของเวลายังคงเป็นกลยุทธ์ที่ดีกว่าได้ เพราะความไม่สมมาตรของ Risk:Reward มีผลมากกว่า win rate มันยังทนต่อความผิดพลาดในการประมาณค่าได้มากกว่าด้วย แม้ win rate จริงจะเป็นแค่ 30% แทนที่จะเป็น 35% expectancy ก็ยังเป็น (0.30 × 3) − (0.70 × 1) = 0.9 − 0.7 = +0.20R ยังคงเป็นบวกอย่างสบายๆ
Win Rate และ Risk:Reward แลกเปลี่ยนกันอย่างไร
ตัวอย่างการคำนวณทั้งสองนี้ไม่ใช่เรื่องบังเอิญ — มันแสดงถึงการแลกเปลี่ยนที่แท้จริงซึ่งพบได้ในเกือบทุกแนวทางการเทรด เป้าหมาย Take Profit ที่แคบกว่าเทียบกับ Stop Loss (อัตราส่วนผลตอบแทนต่อความเสี่ยงที่เล็กกว่า) มักผลิต win rate ที่สูงกว่า เพราะราคาต้องเคลื่อนไหวในทิศทางที่คุณต้องการเพียงระยะสั้นๆ ก่อนที่เทรดจะปิดด้วยกำไร เป้าหมาย Take Profit ที่กว้างกว่าเทียบกับ Stop Loss (อัตราส่วนผลตอบแทนต่อความเสี่ยงที่ใหญ่กว่า) มักผลิต win rate ที่ต่ำกว่า เพราะราคาต้องเดินทางไกลกว่าก่อนที่เทรดจะได้กำไร และ setup มากขึ้นจะกลับตัวและชนกับ stop ก่อนถึงจุดนั้น ไม่มีฝั่งไหนของการแลกเปลี่ยนนี้ที่ถูกต้องโดยเนื้อแท้ — กลยุทธ์ที่มี expectancy เป็นบวกสร้างได้จากทั้งสองฝั่ง อย่างที่ตัวอย่างทั้งสองแสดง — แต่มันหมายความว่า win rate และ Risk:Reward ต้องถูกประเมินเป็นคู่กัน ไม่ใช่แยกกันเดี่ยวๆ การตั้งค่า Take Profit และ Stop Loss ของกลยุทธ์ ในแบบที่ใช้ตลอดทั้ง EA lessons ของเว็บนี้ผ่าน RiskRewardRatio กำหนดโดยตรงว่าระบบจะอยู่ฝั่งไหนของการแลกเปลี่ยนนี้
ทำไม Expectancy ถึงต้องการ Sample ที่ใหญ่พอจึงจะเห็นผล
Expectancy เป็นค่าเฉลี่ยทางสถิติ และค่าเฉลี่ยจะน่าเชื่อถือก็ต่อเมื่อมีจำนวนการทดลองที่มีนัยสำคัญเท่านั้น กลยุทธ์ที่มี expectancy จริง +0.20R ยังคงขาดทุนได้ใน 10 หรือแม้แต่ 20 เทรดถัดไป จากความแปรปรวนล้วนๆ — โชคร้ายติดต่อกันที่ระบบ expectancy เป็นบวกไม่ได้รอดพ้นจากมันได้ เพียงแต่มีโอกาสน้อยกว่าที่จะทนทุกข์ต่อไปไม่มีที่สิ้นสุด นี่คือเหตุผลที่แม่นยำว่าทำไม Backtesting กลยุทธ์การเทรด ถึงเน้นการรัน sample เทรดที่มากพอก่อนสรุปผล และทำไม การจดบันทึก Trading Journal ถึงสำคัญพอๆ กันในการเทรดจริง — เทรดไม่กี่ครั้งล่าสุด ไม่ว่าดีหรือแย่ บอกอะไรได้น้อยมากเกี่ยวกับ expectancy จริงของกลยุทธ์ ในขณะที่ journal ที่มี 50-100+ เทรดที่บันทึกไว้เริ่มเผยให้เห็น win rate จริงและขนาดกำไร/ขาดทุนเฉลี่ยที่กลยุทธ์ผลิตออกมาในทางปฏิบัติ ตรงข้ามกับที่เทรดเดอร์สมมติว่าตัวเลขเหล่านั้นเป็น
จาก Expectancy เป็นบวก สู่การเติบโตของบัญชี
Expectancy เป็นบวกจำเป็นแต่ไม่เพียงพอสำหรับการเติบโตของบัญชีในระยะยาว — มันต้องจับคู่กับการกำหนดขนาดโพซิชันที่สม่ำเสมอ ไม่ผันผวน เพื่อให้ทบต้นได้จริง กลยุทธ์ที่มี expectancy ดีก็ยังพังได้จากการกำหนดขนาด lot ที่ไม่สม่ำเสมอ การเสี่ยง 0.5% ในบางเทรดและ 5% ในเทรดอื่นตาม "ความรู้สึกมั่นใจ" ของเทรดนั้น นำความแปรปรวนและความเสี่ยงล้มละลายแบบเดียวกับที่คณิตศาสตร์ expectancy สมมติว่าถูกควบคุมไว้แล้วกลับเข้ามาอีกครั้ง Compounding และการปรับขนาดโพซิชันตามเวลา อธิบายว่าทำไมการรักษาขนาดความเสี่ยงให้สม่ำเสมอ — เป็นเปอร์เซ็นต์คงที่ของยอดคงเหลือปัจจุบัน เทรดแล้วเทรดเล่า — จึงเป็นสิ่งที่ทำให้ความได้เปรียบเล็กๆ ที่แท้จริงต่อเทรดสะสมกลายเป็นการเติบโตของบัญชีที่มีความหมายได้ แทนที่จะถูกทำลายด้วยเทรดขนาดใหญ่เกินไปไม่กี่ครั้งที่ท่วมท้นความได้เปรียบทางสถิติที่การคำนวณ expectancy อาศัยอยู่