6 pénzkezelési stratégia

Egy pénzkezelési stratégia segít javítani a befektetéseid hozamát. Ebben a cikkben megvizsgáljuk a legismertebb változatokat.

Összehasonlítást is végzünk a két leggyakrabban használt Fixed-Fraction és Fixed-Ratio között, hogy meghatározzuk, melyik a leghatékonyabb.

“A legtöbb rendszer megmondja, mikor kell vásárolni és mikor kell eladni, de nem minden fekete vagy fehér. Szükséged van egy képletre vagy algoritmusra, amely lehetővé teszi a szerződések vagy részvények mennyiségének beállítását minden művelethez.” David Stendahl

Mi a pénzkezelési stratégia?

A pénzkezelés, vagy monetáris menedzsment egy alapvető gyakorlat a kereskedelemben és a befektetésekben. Ez a befektetett pénz kezelésére és a befektetéssel kapcsolatos kockázatok csökkentésére használt technikák és stratégiák összességére utal.

A pénzkezelés célja lényegében a befektetések hozamának optimalizálása és a veszteségek minimalizálása. Ezt egy kockázatkezelési rendszer és a befektetett tőke ellenőrzésének rendszerének beállításával éri el. Ehhez olyan technikákat használnak, mint az eszközök diverzifikációja, a veszteségek és nyereségek korlátainak meghatározása, vagy a rendelkezésre álló tőke alapján minden művelethez megfelelő méretű pozíció hozzárendelése.

Top 6 pénzkezelési stratégia

1. Kelly formula

A Kelly formula az legrégebbi stratégiák egyike. John L. Kelly vezette be az “A new interpretation of information rate” című cikkében, amely 1956-ban jelent meg. A képlet meghatározza a műveletekben kockáztatott tőke arányát a nyerő és vesztes műveletek valószínűségének és a payoff alapján. Nézzük meg a képletet és annak összetevőit:

(4) Kelly képlet

Ami a következőket jelenti:
K = A következő műveletben kockáztatott tőke aránya.
P = Nyertes műveletek valószínűsége
Q = Vesztes műveletek valószínűsége

Kelly formula

2. Fix tőkearány

Ezt a módszert Ralph Vince vezette be a “Portfolio Management Formulas” című bestsellerében, és ez az alapja a modern pénzügyi algoritmusok többségének.

Sok más jól ismert pénzkezelési stratégia stratégia, mint például a Ryan Jones által alkalmazott Fix-Arány, ennek a módosításai.

A következő példa összefoglalja a működését.

Tegyük fel, hogy 100 000€ kezdőtőkével rendelkezünk, és rendszerünk maximális vesztesége egy szerződéssel 4 000€. A kockázatkerülésünk miatt nem vagyunk hajlandók elfogadni a teljes tőkénk 10%-ánál nagyobb veszteséget.

Ahhoz, hogy feltételeink teljesüljenek, minden 4 000€/0,1=40 000€-nél egy szerződést kell növelnünk. A képlet (6)-ban láthatóak a példa számai. A képlet (7) ugyanezeket a számításokat mutatja, de kisebb Delta értékű, vagyis agresszívebb stratégiát kínál.

Definiáljuk a Deltát mint a szerződésenként szükséges pénzügyi generációt a következő szerződésszintre való ugráshoz.

Ahogy a (7) képlet szerinti szerződésskálán látható, ha 4 szerződéssel kereskedünk és a következő szintre való ugráshoz 5 000 €-t kell generálnunk, a szerződésenkénti pénzügyi generáció 1 250€ lesz. Ahogy ezen a skálán látható, a Fix-Tőkearány csökkenő változó Deltát használ a fejlődéséhez. Ez a fő különbség a Fix-Arányhoz képest, amely fix Deltát használ, ahogy azt később látni fogjuk.

(6)

Fix tőkearány

Maximális veszteség = 4 000 €
%-os kockázat minden műveletben = 10%
4 000 € / 0 1 = 40 000 € minden szerződés vagy Delta esetén.
Kezdőtőke = 100 000€.

(7)

Fix tőkearány

Maximális veszteség = 500 €
% kockázat minden műveletben = 10%
500 € / 0 1 = 5 000 € minden szerződés vagy Delta esetén.
Kezdő tőke = 100 000€.

Szerződések skálája a Fixed-Fraction formula (7) szerint:

[ 100 000€ – 104 999€ ] között 1 szerződéssel működünk. Delta 5 000€.
[ 105 000€ – 109 999€ ] között 2 szerződéssel működünk. Delta 2 500€.
[ 110 000€ – 114 999€ ] között 3 szerződéssel működünk. Delta 1 667€.
[ 115 000€ – 119 999€ ] között 4 szerződéssel működünk. Delta 1 250€.
[ 120 000€ – 124 999€ ] között 5 szerződéssel működünk. Delta 1 000€.

És így tovább.

3. Optimal F pénzkezelési stratégia

Az Optimal F vagy F optimális (optimális frakció) egy nagyon ismert stratégia. Ez a Fixed-Fraction egyik változata, amelyet Ralph Vince vezetett be a ‘Portfolio Management Formulas’ című művében.

Az optimális frakciót kínálja, amit minden műveletbe be kell helyeznünk a maximális nettó hozam eléréséhez. Ha a használt frakciónk meghaladja az optimális F-et, az negatív lehet a túlzott agresszivitás miatt. Ha a frakció az optimális f alatt van, számlánk növekedése túlságosan lassú lesz.

Ez a stratégia nem kínál működési arányt, mivel az optimális frakció a legnagyobb nettó hozamot biztosítja, de egy olyan kockázati szinttel, amit a drawdown mér, és amit nagyon kevés kereskedő tud elviselni. Semmi értelme nincs egy optimális stratégiával rendelkezni, ha nem leszel képes vele kereskedni.

Tehát nem arról van szó, hogy közvetlenül ezzel a stratégiával fogunk kereskedni, egyszerűen csak referencia szintként használjuk.

A magas kockázatú problémán túl van egy másik, ami az optimalizálással kapcsolatos. Ugyanaz a probléma, ami a kereskedési rendszerek fejlesztésekor felmerül, és amit túloptimalizálás problémának nevezhetünk. A optimalizálás esetében a kereskedők általában a következő időbeli fejlődést tapasztalják:

Első szakasz

Túloptimalizálás vagy görbe illesztés. A kezdő kereskedők túlságosan nagy súlyt helyeznek a stratégia nettó eredményeire, hagyják magukat sodródni és rendszerüket számtalan optimalizálásnak vetik alá, amíg eljutnak az optimális paraméterekhez, ezután ezeket a paramétereket alkalmazzák a rendszerükben és belevetik magukat a piaci műveletekbe.

Az eredmények azonban mindig sokkal alacsonyabbak, mint amit az optimalizálási folyamatunk mutat. Miért? A túloptimalizálás vagy görbe illesztés miatt.

Ahhoz, hogy az optimalizálás működjön szükséges lenne, hogy a jövőbeli árak eloszlása megegyezzen a használt minta eloszlásával, ami nagyon valószínűtlen. Ezért nem ajánlott egy paraméter optimalizálása, majd az eredmény alapján a napi műveletekbe vetni magunkat.

Második szakasz

Az optimalizálás hiánya. A túloptimalizálásból eredő problémák tapasztalata után a kereskedő úgy dönt, hogy megszabadul ettől az eszköztől, mert károsnak tartja azt eredményei szempontjából, és így nem akar hallani se róla.

Harmadik szakasz

Optimalizálás. Ahhoz, hogy ezt az eszközt hatékonyan használjuk, meg kell változtatnunk a célunkat. Nem a legnagyobb nettó hozamot adó paramétert keresünk, hanem azokat a paramétereket, amelyek megbízhatóságot biztosítanak a rendszerünkben. Ehhez optimalizálási térképekre van szükségünk, amelyeken láthatjuk a legrobosztusabb régiókat.

A cél az, hogy eljussunk egy robosztus zónába, ahol kevesebb pénzt keresel, mint az optimális esetben, de stabilabb módon és nagyobb valószínűséggel arra vonatkozóan, hogy a jövőben a rendszered a várakozásaidnak megfelelően viselkedjen.

Az optimális F jobban érthető, ha a nettó eredmények eloszlását ábrázoljuk a különböző frakciók függvényében. Így láthatjuk, hogy eredménygörbénk maximum pontja lesz az optimális frakció értéke. Bármely pont, ami alatta vagy felette van, nem lesz optimális.

Ábrázoljuk ezt egy véletlen kísérlet segítségével, ahol az eredményünk egy érme feldobásától függ. Ha fejet dobunk, megnyerjük a fogadott összeg 100%-át, ha írást, elveszítjük a fogadott összeg 75%-át. Azt szeretnénk megtudni, hogy kezdeti tőkénk mennyi részét fordítsuk az egyes műveletekre.

E játék definíciója szerint pozitív matematikai várakozásunk van, hosszú távon a nyertes és vesztes műveletek száma kiegyenlítődik, és a fejek és írások sorrendje irreleváns lesz a végeredmény szempontjából. Kezdeti tőkénk 100€, és minden szimulációban 1000-szer dobunk az érmével, majd kiszámítjuk az 50 szimuláció átlagát. A következő normális eloszlást kapjuk, ahol láthatjuk, hogy az optimális f a tőkénk 27%-a.

1.2. ábra. A 50 szimuláció nettó eredményeinek aritmetikai közepének normális eloszlása, mindegyikben 1000 érmedobás. A nettó eredmény a fogadott frakció függvénye.

Az optimális F előnye, hogy megadja a fix frakció %-át, amely a legnagyobb nettó hozamot hozza.

Az optimális F viszont nem egy előrejelzési módszer. Az, hogy az utolsó 100 műveletben az optimális F 15 volt nem jelenti azt, hogy a következő 100 művelet során az optimális frakció ugyanaz lesz. Ez kapcsolódik a túloptimalizálás tipikus problémáihoz. Hogy ne essünk ebbe a hibába, rendelkezésre állnak a Montecarlo-szimulációkon alapuló módszerek, amelyek nem tárgyai ennek a cikknek.

Az optimális F másik negatív eleme, hogy a legnagyobb visszaeséseket eredményezi az összes pénzkezelési stratégia közül. Ennek a hátránynak a leküzdésére megjelenik a biztonságos F, amit a következőkben fogunk megvizsgálni.

4. Biztonságos F pénzkezelési stratégia

Ez egy további változata a Fixed-Fraction-nek (fix tőkearány), amelyet a Ryna Systems vezetett be. A biztonságos F hasonló az optimális F-hez, kivéve a tolerált maximális visszaesés korlátozásának bevezetését. A legtöbb kereskedő azon képtelensége miatt, hogy elviseljék az optimális F használatával járó magas visszaeséseket, David Stendahl és Leo Zamansky arra a következtetésre jutottak, hogy a maximális kockázat korlátozásának bevezetése segítene e stratégia operatívabbá tételében.

Ezzel a módszerrel a modellbe bevezetésre kerül sok kereskedő aggodalma a portfóliójuk nagy ingadozásai miatt, amikor a pozíció nyitva van. Ha a maximális visszaesés korlátozása a rendszerünk backtestjei által tapasztalt maximális visszaesés felett van, a biztonságos F eredménye ugyanaz lesz, mint az optimális F-é.

Ha a maximális visszaesés nagyon kis értékre van beállítva, akkor egy nagyon konzervatív stratégiával állunk szemben, így a biztonságos F hozzáigazítható minden kereskedő kockázattűrő mértékéhez. További részletekért a biztonságos F-ről érdemes lehet elolvasni Leo Zamansky és David Stendahl cikkét, a ‘Secure fractional money management’-et, amely az S&C magazinban jelent meg 1998. júniusában.

5. A 2% szabálya

Ez nem szigorú értelemben vett pénzkezelési stratégia, mivel ez a Ralph Vince Fixed-Fraction ultra-konzervatív profilokra és stratégiákra vonatkozó változata.

A 2% szabály a következőképpen alkalmazható: Ha 100 000€ tőkével kezdek és pozíciót veszek fel a piacon, a maximális lehetséges veszteség (stop loss), amit ez a művelet generál 2 000 € lesz, függetlenül a felvett pozíció méretétől. Általában ezeket az alacsony arányokat portfólió- és vagyonkezelők használják.

Bármely alap- vagy vagyonkezelő tudja, hogy ha a kezelt vagyon 15%-ánál nagyobb veszteség keletkezik, az masszív tőkekiáramláshoz vezethet. Ebben a helyzetben potenciális nyereségeket áldoznak fel a kockázatuk ellenőrzése érdekében, innen az alacsony százalékos arány. Ez egy nagyon biztonságos módszer, de a növekedés nagyon korlátozott, különösen kis számlák esetén. Ez az a pénzügyi stratégia, amit néhány elismert kereskedő, mint például Alexander Elder vagy Daryl Guppy javasol.

6. Fix arány

Ezt a pénzkezelési módszert Ryan Jones fejlesztette ki a “The Trading Game” című könyvében. Célja a Fixed-Fraction stratégia hozam/kockázat arányának javítása.

A fő különbség a fix Delta stratégia alkalmazásában rejlik. A Delta az egyetlen változó, amellyel ez a modell rendelkezik, és meghatározza annak agresszivitását. Nincs optimális Delta, bár ajánlott a semleges Delta használata, ami a maximális drawdown fele lesz. Alacsonyabb Deltával agresszívebb rendszert alkothatunk, és fordítva.

Nézzünk egy példát erre a stratégiára, hasonló kezdeti adatokkal, mint a fix tőkearány példájában, hogy lássuk a két stratégia közötti különbséget.

Tegyük fel, hogy 100 000€ kezdőtőkével indulunk, és a rendszerünk maximális drawdown-ja egy szerződéssel 10 000€. Egy semleges Deltát használunk, ami 5 000€ lenne. A szerződések skáláján láthatjuk, hogy a következő szerződésszintre lépéshez a Delta fix, és most gyorsabban növekszik a számlánk.

Például ahhoz, hogy 4-ről 5 szerződésre lépjünk, 4 x 5. 00€ = 20 000€-t kell generálnunk. Hasonlítsd össze ezt a skálát a 3. pontban található fix tőkearány skálájával.

(8)

Fix arány

Maximális Drawdown = 10 000 €10 000 € / 2 = 5 000 € minden szerződésre.Kezdő tőke = 100 000€.

Szerződések skálája a Fixed-Ratio (8) képlet szerint:

[ 100 000€ – 104 999€ ] tartományban 1 szerződéssel kereskedünk. Delta 5 000€.
[ 105 000€ – 114 999€ ] tartományban 2 szerződéssel kereskedünk. Delta 5 000€.
[ 115 000€ – 129 999€ ] tartományban 3 szerződéssel kereskedünk. Delta 5 000€.
[ 130 000€ – 149 999€ ] tartományban 4 szerződéssel kereskedünk. Delta 5 000€.
[ 150 000€ – 174 999€ ] tartományban 5 szerződéssel kereskedünk. Delta 5 000€.

És így tovább.

Összefoglalás

A legrégebbi és az egyik legismertebb stratégia a kereskedők körében a Kelly képlet, amelyet 1956-ban vezettek be. Ez egy olyan függvény, amely a nyerő ügyletek valószínűségétől, a vesztes ügyletek valószínűségétől és a Payoff aránytól függ. Ez a képlet meghatározza a tőkénk %-át, amit a következő pozícióba kell befektetnünk.

A fix tőkearányt Ralph Vince hozta létre és a leggyakrabban használt stratégiának tekinthető, amelyből a többi algoritmus származik: biztonságos F, optimális F, 2% szabály, stb. Ez egy csökkenő Delta változó stratégia, amelyet két módon lehet kiszámítani: a maximális drawdown és a maximális veszteség alapján.

Az optimális F a fix tőkearány alapján épül fel és szintén Ralph Vince vezette be. Megadja a következő ügyletben használni kívánt optimális részt, hogy maximalizáljuk nettó eredményünket. Referenciaként fogjuk használni, sosem mint a piacra alkalmazandó módszert.

A biztonságos F egy további változata a fix tőkearánynak, amit a Ryna Systems hozott létre. Hasonló az optimális F-hez, de korlátozza a maximális drawdown-t, amit hajlandóak vagyunk elviselni.

A 2% szabály nem egy szigorú értelemben vett stratégia, mivel ez egy változata a FixedFractionmódszerének. Azonban gyakran használják portfólió- és vagyonkezelők, mivel nagyon biztonságos.

Az utolsó pénzgazdálkodási formula a Fixed-Ratio, ezt a stratégiát Ryan Jones fejlesztette ki, és eredete az író kutatási munkáiban rejlik, hogy javítsa a Fixed-Fraction módszert, főként a hozam/kockázat arány optimalizálása érdekében. A fő különbség a fix Delta stratégia kidolgozásában rejlik. Ha alacsonyabb Delta-t használunk a neutrálisnál, akkor agresszívebb rendszert kapunk, ha pedig nagyobb Delta-t, akkor konzervatívabb modellt kapunk.

Kapcsolódó cikkek

NFT | Mi ez és hogyan működik?
Ebben a cikkben egy olyan digitális eszközzel foglalkozunk, amiről manapság sokat beszélnek: ez az NFT. Ezek olyan digitális tanúsítványok, amelyeket ugyanaz a technológia támogat, mint a kriptovalutákat (blockchain). Az internet kezdete óta mi...
Mi a MACD indikátor?
A következő cikkben részletesen megvizsgáljuk az egyik legismertebb kereskedési indikátort, ami nem más, mint a MACD indikátor. Ezenkívül bemutatun...