به ما بپیوند:

• باز کردن یک حساب کاربری

استراتژی های فارکس ریاضی: تاریخ و کاربرد در عمل

دلالان باتجربه اغلب بازارهای مالی را به عنوان فرآیندهای تصادفی ارزیابی می کنند و عمدتاً با احتمالات کار می کنند. البته وقتی تازه کار در این باره یاد می گیرند ، آنها همچنین سعی می کنند خاطرات خود را از دوره ریاضیات بالاتر در تجارت به کار گیرند. در نتیجه ، استراتژی های مختلف ریاضی فارکس ظاهر می شود.

متأسفانه ، این راه حل ها منجر به اتلاف وقت در بهترین حالت یا مبالغ زیادی در بدترین حالت می شوند. واقعیت این است که سیستم های "ریاضی" به طور معمول به معنای مارتینگال است که بدوی ترین رویکرد برای مدیریت یک فرآیند تصادفی است و هیچ ارتباطی با مدل های رگرسیون پیچیده و محاسبات آماری ندارد.

بنابراین ، از آنجا که تازه کارها از نسلی به نسل دیگر علاقه مند به این موضوع هستند ، امروز ما به مزایا و معایب مارتینگال به عنوان یک سیستم خواهیم پرداخت. اول از همه ، باید به یاد بیاوریم که این تکنیک از کازینوها یا به اصطلاح از خانه های قمار به بازارهای مالی رسیده است. تاریخ دقیق کاربرد واقعی آن مشخص نیست ، اما در ارزیابی دور خشن ، در محل اتصال قرن 18 و 19 ظاهر شد و در قرن بیستم محبوبیت گسترده ای کسب کرده است.

در حالت کلی ، این چنین استراتژی در قمار است که بعد از هر بار شرط بندی از دست می دهد تا زمانی که جایزه دریافت کند. بنابراین ، بازیکن ریسک نامحدودی را به عهده می گیرد ، اما فقط می تواند مبلغی را معادل شرط اولیه در این سری کسب کند. رویکرد مشابه "Martingale اساسی" نامیده شده است ، و دلالان بی تجربه سعی می کنند آن را در بازار اعمال کنند.

ظرافت های مهمی که هنگام مطالعه استراتژی های ریاضی فارکس باید مورد توجه قرار گیرد

با قضاوت در مورد نظرسنجی ها در انجمن های مستقل ، Siphon Siphon اغلب نتیجه استفاده از Martingale است. البته ، بسیاری از مراکز معامله (از این پس دی سی) را به کار ناعادلانه متهم می کنند ، اما ، در واقع ، دی سی ها در این شرایط مثل همیشه صادق هستند ، و این تقصیر خود معامله گر است. در زیر سعی خواهیم کرد اشتباهات اساسی "ریاضیدانان" تازه ساخته شده را در نظر بگیریم.

مهمترین و کشنده ترین هذیان نظریه پردازان این است که سعی کنید اصل "سکه" (یا قرمز سیاه) را بر روی استراتژی های فارکس ریاضی بدون اصلاحات و اصلاحات حرکت دهید ، که از نظر بی عیب و نقص است. برای پاسخ به این سؤال که چرا چنین رویکردی غیرقابل قبول است ، ما باید دوباره به تاریخ بپردازیم.

در ابتدا ، بازی رولت فقط دو زمینه داشت: سیاه و قرمز ؛بر این اساس ، از دیدگاه تئوری احتمال ، نتایج پرتاب یک سکه و شرط بندی در کازینو کاملاً یکسان بود ، یعنی در هر آزمون ، احتمال موفقیت 50 ٪ بود. نتیجه این بازی در یک شرط ثابت نمودار زیر بود:

برای مقایسه مثال معمولی با معاملات ، سپرده اولیه به مبلغ 100 دلار مشخص شده است و ریسک در هر شرط به 1 دلار ، یعنی 1 ٪ سپرده محدود شده است. به نظر می رسد که این گریل است ، زیرا از نظر تئوری ، حتی بدون افزایش شرط ، می تواند سود کسب کند. اما چنین شانس: صفر بی رنگ بعداً به مقیاس رولت در مؤسسات قمار اضافه شد ، که از راه دور چنین سیستمهایی را خنثی می کند ، زیرا احتمال نتیجه موفقیت آمیز کمتر از 50 ٪ شد.

از آن زمان، تاریخ تکامل Martingale آغاز شد، زیرا بدون افزایش شرط بندی، شناور ماندن غیرممکن شده است. بنابراین، حتی اگر صفر را نادیده بگیریم، در مثال بالا 7 باخت متوالی در یک سکتور ثبت شده است، به این معنی که اگر بعد از هر شکست شرط را دو برابر کنید، دنباله باخت های زیر را دریافت می کنیم: 1، 2، 4، 8،16، 32، 64. در واقع، بودجه حتی برای افتتاحیه سری آخر هم کافی نخواهد بود.

جایی که Martingale نتایج بهتری را نشان می دهد - در کازینو یا در فارکس؟

بنابراین، اگر به اختصار خلاصه کنیم، دو ویژگی را می توان برای قمار در رولت فرموله کرد: اول اینکه احتمال برنده شدن در یک آزمون به دلیل صفر کمتر از 50 درصد است و دوم اینکه نتیجه هر آزمون جدید به گذشته بستگی ندارد. نتایج، یعنی همبستگی خودکار وجود ندارد، مگر اینکه موسسه از طرح‌های تقلبی استفاده کند.

توجه داشته باشید که استراتژی های ریاضی فارکس در درجه بیشتری تابع این عوامل هستند – به ویژه نقش صفر که احتمال برنده شدن در بازار فارکس را کاهش می دهد توسط اسپرد و کمیسیون DC ایفا می شود و در هر تراکنش وجود دارد. صرف نظر از سود یا زیان ده بودن. شکل زیر نمونه‌ای از یک فرآیند تصادفی بدون دوبرابر شدن تراکنش‌ها را نشان می‌دهد که نتیجه آزمایش‌های آن برای ضرر احتمالی کمیسیون تنظیم می‌شود:

علاوه بر این، در بیشتر موارد، معاملات زیان‌ده با روند متقابل همراه هستند، بنابراین افزایش بیشتر لات در برابر روند غالب تنها وضعیت را تشدید می‌کند. این وضعیت نتیجه همبستگی خودکار فوق الذکر است، زمانی که هر مقدار جدید ردیف به مقدار قبلی بستگی دارد، که هنگام جستجوی سیگنال های تکراری مشکلات زیادی ایجاد می کند. بنابراین، مارتینگل در بازارهای مالی به شکل خالص آن قابل قبول نیست.

استراتژی های ریاضی فارکس در عمل

همانطور که قبلاً از آزمایش ها مشخص شد، ایده استفاده از "مارتینگل پایه" باید فوراً کنار گذاشته شود، اما اگر به دقت نگاه کنید، متوجه خواهید شد که این روش هنوز هم می تواند در دو مورد استفاده شود، که اولی این است کهعلاوه بر سیستم موجود

فرض کنید که یک معامله گر سیستم سودآوری دارد (شما می توانید هر یک را از بخش "استراتژی های معاملاتی" به عنوان مثال در نظر بگیرید)، که قوانین واضحی را برای انجام معاملات و تعیین حد ضرر ارائه می دهد، اما انتظارات آن سفته باز را راضی نمی کند. برای حل این مشکل، استراتژی های ریاضی فارکس به کمک می آیند.

در مرحله اول بهینه‌سازی الگوریتم، جمع‌آوری آماری از کارکرد سیگنال‌ها برای سیستم اصلی در یک دوره طولانی (شش ماه یا بیشتر) ضروری است. میانگین طول یک سری سفارشات زیان‌ده و طولانی‌ترین سری زیان بیشتر محاسبه می‌شوند. در این صورت هزینه اسپرد و کارمزد نیز باید در نتیجه مالی لحاظ شود.

در مرحله آخر، شما باید پارامترهایی را برای مدیریت ریسک انتخاب کنید، که به محض ثبت میانگین سری ضررها مرتبط می شوند - برای مثال، اگر میانگین احتمال رفع چهار توقف متوالی در سیستم کم باشد، پسافزایش حجم پس از سه بار از دست دادن سفارشات در معامله جدید منطقی است. در این صورت لزومی ندارد که ضریب چندگانه دو برابر باشد، بلکه می توان از گزینه های محافظه کارانه تر نیز استفاده کرد.

شکل بالا دومین نوع کاربرد Martingale را نشان می دهد، یعنی میانگین گیری در ناحیه ظاهر سیگنال. در این حالت، فرض بر این است که اولین سفارش با حداقل حجم باز می شود، پس از آن، با حرکت قیمت در برابر موقعیت، حجم معامله افزایش می یابد.

در این حالت، استاپ ضرر به طور همزمان با اولین مرتبه تنظیم می شود و ریسک یک موقعیت کل (شامل میانگین ها) نباید قوانین مدیریت پول را نقض کند. در تمام موارد دیگر، بالا بردن مقدار با ضرب منجر به حذف حساب می شود و نمی توان آن را استراتژی های تمام عیار نامید. منبع: Dewinforex