Cómo calcular la probabilidad de tocar un take-profit sin tocar un stop-loss?

Question

Cómo calcular la probabilidad de tocar un take-profit sin tocar un stop-loss (no-dividendo de acciones, un tiempo infinito)?

Answer 1

a) puede ejecutar una simulación de Monte Carlo en el que el modelo de precio de las acciones de los movimientos y, a continuación, usted puede mirar en el futuro pagar en función de la trayectoria de la dependencia en la que se incorporan su stop de pérdidas y beneficios. Hecho esto a través de muchos iteraciones usted será capaz de obtener sus probabilidades. Advertencia aquí es que el resultado va a ser fuertemente dependiente de su supuesto modelo de cómo se derivan precio de las acciones de los movimientos.

b) podría ejecutar de nuevo pruebas sobre el precio actual de datos. Generar señales de trading, asociados a las paradas y los objetivos de beneficio y que derivan sus probabilidades, a través de un simple recuento de los procesos de cómo a menudo la pérdida de la parada fue golpeado vs tomar los objetivos de beneficio.

Creo firmemente que prefieren este último enfoque, es por la manera en que una forma muy común para calcular la calidad de la entrada y salida de señales (no el uso de stop loss y objetivo de los niveles, pero manteniendo un seguimiento de cómo los precios se realiza después de la entrada/de la salida).

P. S. me parece correctamente la pregunta formulada, y creo que en realidad tiene sentido.

Answer 2

En primer lugar, permite formular el problema matemáticamente:

Una caminata aleatoria simétrica comienza en 0 y se mueve hacia arriba o hacia abajo una unidad (con igual probabilidad) cada 1 segundo. Los dos son de absorción de los obstáculos situados en la H y L, con $H,L>0$. Dado un tiempo infinito, ¿cuál es la probabilidad de $p_H$ que H será golpeado antes -L es golpeado y ¿cuál es la probabilidad de $p_L$ que -L va a ser golpeado antes de H?

Ya que tenemos infinidad de tiempo, uno o el otro de la barrera se verá con el tiempo. En el caso especial donde $H=$ L es claro a partir de la simetría que $p_H=p_L=\frac{1}{2}$. En el caso general, las probabilidades son $p_H=\frac{L}{H+L}$ y $p_L=\frac{H}{H+L}$. [Fuente: S. E. Alm: Aleatorio Simple Paseo, 2002].

Para que una acción no es el precio de la acción que sigue un paseo aleatorio, pero su logaritmo, que se inicia en el valor inicial $\ln S_0$ por Lo que en las fórmulas anteriores podríamos sustituir H y L con los registros de la posición de las barreras en comparación con el punto de partida. El resultado final es:

$p_H = \frac{\ln (L/S_0)}{\ln (H/S_0)+\ln (L/S_0)}$ y de manera similar $p_L= \frac{\ln (H/S_0)}{\ln (H/S_0)+\ln (L/S_0)}$

Edit: en 2019/11/11 he corregido un error señalado por @ANdrea

Answer 3

Si $H > L$, no puedo creer $p_H$ es mayor que $p_L$. Si lo ponemos en términos de TakeProfit (TP) y StopLoss (SL) sobre el mercado de DIVISAS, si TP es de 20 pips y SL es de 10 pips, será más probable que golpeó a la ST de la TP. Esta es la razón por la que sospecho que el correcto ecuaciones son $p_H = L/(L+H)$ y $p_L = H/(L+H)$. Y ahora es el momento de sumergirse en el "S. E. Alm: Aleatorio Simple Paseo, 2002". Br

Answer 4

Google "MIT un error de la vida del jugador de la ruina" para un modelo exacto para esto, aunque en un binomio mundo. El error que tira una moneda de cada iteración para mover a la izquierda o a la derecha; y, entonces podría terminar caer por el acantilado a la izquierda o la derecha. Que es una metáfora perfecta para este desafío.

https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-042j-mathematics-for-computer-science-fall-2010/readings/MIT6_042JF10_chap20.pdf

Pero al subir la frecuencia hasta el infinito, el binomio se convierte en normal... Así que tomamos el papel de arriba; y voltear dos veces/un billón de veces la cantidad de monedas para la media de una billonésima parte de un paso de mover.

Así que la probabilidad de llegar a la parada de = (e(2*mu/sigma^2 * objetivo)-1) / (e(2*mu/sigma^2 * (stop + objetivo)-1)

Lo que significa que la probabilidad de la meta = (e(-2*mu/sigma^2 * stop)-1) / (e(-2*mu/sigma^2 * (stop + objetivo)-1)

Simple verificación mostrar que los dos suman 1. Dos paradas y los objetivos se expresan como positivos. Es decir, si yo voy a correr el riesgo de un 2% se mueve de un modo, en busca de un 5% se mueven de otra manera; "stop" es del 2% y de "destino" es del 5%. La probabilística de la asimetría es generado por la diferencia simétrica en el signo en la devuelve (mu) entre los dos.

El problema con este enfoque es que no es de tiempo limitado. El modelo de las llamadas de un sesgo direccional; pero esto no puede llegar a pasar. El modelo a seguir creyendo en el sesgo direccional mantiene hasta la barrera de golpe, no importa el tiempo que tarda. El "óptimo" de riesgo a continuación, se llevará, a menudo implica la toma de libertades en torno a la probabilidad de que un determinado negativas disposición no tendrá lugar si el preferido tendencia es perpetua ;-(

Pero como una rápida y sucia de ganar-pérdida de probabilidad frente a la magnitud de control de la realidad, es un útil pieza de equipo en la proverbial caja de herramientas.