Esto depende realmente de sus métodos. Hoy mismo, en una pregunta diferente, hablé de los intervalos de confianza utilizando un modelo gaussiano muy simplista. Podría reproducir ese ejemplo para ajustarlo a tu ejemplo:
- Seleccione un intervalo de tiempo para sus datos.
- Calcule la tasa de rendimiento para cada paso de tiempo.
- Calcule la desviación típica y la media de la tasa de rendimiento. Digamos que la desviación típica es $5.1\%$ y la media es $5.0\%$ .
- Elige un intervalo de confianza, por ejemplo, $95\%$ .
- Utilice la inversa de la distribución para el intervalo $2.5\%$ y $97.5\%$ (una anchura de $95$ puntos porcentuales). Para la distribución gaussiana se obtienen valores z de $-1.96$ y $+1.96$ .
- Calcula el intervalo, que resulta ser $-5\% = (5\% - 1.96 \times 5.1\%)$ y $+15\% = (5\% + 1.96 \times 5.1\%)$ .
- Si el precio del activo es $\$ 100 $ then your confidence interval would be between $\$95 = \$ 100 \times (1-0.05) $ and $\$115 = \$ 100 \times (1+0.15) $ with a confidence of $ 95\% $, meaning that you typically wouldn't see the price go over or under this interval more often than once every $ 20 $ days $ (=1/0.05)$.
Fíjate que esto se ajusta a tu afirmación de que "La mayoría de las veces se alcanza el objetivo", de hecho el 50% de las veces se habría alcanzado el objetivo, pero sólo porque elegí una desviación estándar y una media que se ajustan a los datos de tu ejemplo. Si el analista hiciera estos cálculos (espero que con mejores supuestos) podría hacer afirmaciones que dijeran algo como
El precio actual del mercado es \$100. The expected/target return tomorrow is \$ 105, lo que significa que la mitad de las veces, en circunstancias como ésta, veríamos que el precio supera este objetivo. Dicho esto, una de cada veinte veces esperaríamos que cayera por debajo de \$95, por lo que fijamos nuestro stop loss ahí. La letra pequeña: Rendimiento medio 5%; desviación estándar 5,1%; modelo gaussiano.
Normalmente se espera que el analista utilice algo mejor que un simple modelo gaussiano.