בניית ביטחון סטטיסטי באסטרטגיה שלך

ביטחון סטטיסטי באסטרטגיית מסחר פירושו כימות ההסתברות שהתוצאות הנצפות שלך משקפות יתרון אמיתי ולא מזל אקראי. אסטרטגיה שהניבה תשואה שנתית של 15% במשך שנתיים עשויה להחזיק יתרון אמיתי — או שפשוט הייתה לה מזל. בדיקת השערות סטטיסטית, ערכי p ורווחי ביטחון מספקים את המסגרת המתמטית להבחנה בין שתי האפשרויות.

מאמר זה מכסה את היסודות הנדרשים להערכה קפדנית של כל בקטסט או רקורד מסחר חי. ההימור בניתוח זה גבוה. אם תקצה הון אמיתי לאסטרטגיה שנראתה רווחית רק בגלל מזל, תפסיד כסף בהמשך. אם תנטוש אסטרטגיה שיש לה יתרון אמיתי בגלל ירידה רגילה, תפסיד את עלות ההזדמנות של אי-סחר בה. בדיקה סטטיסטית עוזרת לך להימנע משתי הטעויות על ידי הצבת מספרים על אי-הוודאות שלך.

מהו ביטחון סטטיסטי והיכן הוא משתלב

ביטחון סטטיסטי הוא מדד למידת הוודאות שתוצאה נצפית (כגון תוחלת רווח חיובית) אינה תוצר של שונות אקראית. הוא משתלב ברמה המתקדמת כי הוא דורש נוחות עם מושגים מתמטיים ונכונות לחשוף את תוצאות המסחר שלך לבחינה קפדנית.

ביטחון סטטיסטי מחבר את תוצאות הבקטסטינג שלך להחלטות מסחר בעולם האמיתי. בקטסט שמראה תשואות חיוביות הוא נקודת התחלה, לא מסקנה. המסקנה מגיעה מהשאלה: "מהי ההסתברות שתוצאות אלה קרו במקרה?"

דרישות קדם

לפני עבודה עם חומר זה, עליך להחזיק: בקטסט שלם או רקורד מסחר חי עם לפחות 30 עסקאות (רצוי 50+). הבנה של תוחלת רווח והסתברות בהקשר מסחרי. נוחות בסיסית עם חשבון ואלגברה פשוטה. גישה לגיליון אלקטרוני (Excel או Google Sheets) או Python לחישובים. ניסיון עם הערכת אסטרטגיה ברמה מושגית.

יסוד טכני: בדיקת השערות

בדיקת השערות היא הליך סטטיסטי פורמלי לקביעה האם נתונים נצפים תומכים בטענה ספציפית. במסחר, הטענה היא: "לאסטרטגיה זו יש תוחלת רווח חיובית."

השערת האפס

השערת האפס (H0) היא ההנחה ברירת המחדל שלאסטרטגיה שלך אין יתרון — שכל רווחים נצפים הם תוצאה של שונות אקראית. בניסוח פורמלי:

H0: התוחלת האמיתית של אסטרטגיה זו היא אפס (או שלילית).

ההשערה האלטרנטיבית (H1) היא מה שאתה מנסה להוכיח:

H1: התוחלת האמיתית של אסטרטגיה זו היא חיובית.

כל מסגרת הבדיקה הסטטיסטית מתוכננת להעריך את הראיות נגד השערת האפס. אתה לא מוכיח את H1 ישירות — אתה מעריך האם הנתונים אינם עקביים מספיק עם H0 כדי לדחות אותה. מסגור זה הוא שמרני בכוונה. נטל ההוכחה מוטל עליך להוכיח שלאסטרטגיה שלך יש יתרון. הנחת ברירת המחדל היא שאין לה.

ערכי P: מה הם אומרים ומה לא

ערך ה-p הוא ההסתברות לצפות בתוצאות קיצוניות לפחות כמו התוצאות בפועל שלך, בהנחה שהשערת האפס נכונה (כלומר, בהנחה שלאסטרטגיה שלך אין יתרון).

p = 0.05 משמעו שיש סיכוי של 5% לראות תוצאות טובות כאלה או יותר אם לאסטרטגיה אין יתרון. p = 0.01 משמעו שיש סיכוי של 1%. p = 0.20 משמעו שיש סיכוי של 20%.

ערכי p נמוכים יותר מספקים ראיות חזקות יותר נגד השערת האפס. הסף המקובל ל"מובהקות סטטיסטית" הוא p < 0.05, אם כי במסחר עדיף p < 0.01 כי עלות חיובי שגוי (הקצאת הון על יתרון שלא קיים) גבוהה. תפיסות מוטעות קריטיות לגבי ערכי p:

רווחי ביטחון

רווח ביטחון מספק טווח ערכים סבירים לתוחלת הרווח האמיתית של האסטרטגיה שלך, בהתחשב בנתונים הנצפים. רווח ביטחון של 95% משמעו: אם תחזור על כל ניסוי המסחר פעמים רבות, 95% מהרווחים שיתקבלו יכילו את התוחלת האמיתית.

להחלטות מסחר מעשיות, רווח הביטחון לעתים קרובות שימושי יותר מערך ה-p כי הוא אומר לך לא רק האם יתרון קיים, אלא כמה גדול הוא עשוי להיות.

דוגמת פרשנות: התוחלת הנצפית שלך לעסקה היא +0.35R. רווח הביטחון של 95% הוא [+0.08R, +0.62R]. מכיוון שכל הרווח מעל אפס, אתה יכול להיות בטוח (ברמה של 95%) שיתרון חיובי קיים. היתרון יכול להיות קטן כ-+0.08R או גדול כ-+0.62R לעסקה.

אם רווח הביטחון כולל אפס — לדוגמה, [-0.10R, +0.60R] — לא ניתן לדחות את השערת האפס. היתרון האמיתי עשוי להיות חיובי, אפס או שלילי.

דרישות גודל מדגם

גודל מדגם הוא הגורם המוערך פחות מכול בסטטיסטיקת מסחר. מדגמים קטנים מייצרים רווחי ביטחון רחבים ומסקנות לא אמינות.

לרוב אסטרטגיות המסחר הקמעונאיות גדלי אפקט קטנים עד בינוניים, מה שאומר שאתה צריך בדרך כלל 100-350 עסקאות לפני שתוכל להסיק מסקנות אמינות סטטיסטית. לכן אסטרטגיות המבוססות על 20-30 עסקאות הן למעשה לא נבדקות — המדגם קטן מדי להבחנה בין יתרון לרעש.

מבחן T לתוצאות מסחר

מבחן t למדגם יחיד הוא הכלי העיקרי לבדיקה האם התשואה הממוצעת של האסטרטגיה שלך שונה באופן מובהק מאפס. זהו סוס העבודה של סטטיסטיקת מסחר.

הנוסחה

סטטיסטי t מחושב כ:

t = (מכפיל R ממוצע) / (סטיית תקן של מכפילי R / sqrt(n))

כאשר: מכפיל R ממוצע = ממוצע מכפילי R על פני כל העסקאות. סטיית תקן = סטיית התקן של מכפילי R בודדים. n = מספר העסקאות. sqrt(n) = שורש ריבועי של מספר העסקאות.

סטטיסטי t אומר לך כמה שגיאות תקן התשואה הממוצעת שלך רחוקה מאפס. ערכי t גדולים יותר מספקים ראיות חזקות יותר ליתרון שאינו אפס.

חישוב שלב אחר שלב

נניח שיש לך 80 עסקאות עם התוצאות הבאות: מכפיל R ממוצע: +0.28R. סטיית תקן של מכפילי R: 1.45R. מספר עסקאות: 80.

שלב 1: חשב את שגיאת התקן = 1.45 / sqrt(80) = 1.45 / 8.944 = 0.162

שלב 2: חשב t = 0.28 / 0.162 = 1.728

שלב 3: חפש את ערך ה-p עבור t = 1.728 עם 79 דרגות חופש (n-1). זה נותן בקירוב p = 0.044 (חד-זנבי).

שלב 4: פרש. מכיוון ש-p = 0.044 < 0.05, ניתן לדחות את השערת האפס ברמת מובהקות של 5%. יש ראיות מובהקות סטטיסטית שלאסטרטגיה זו יש תוחלת רווח חיובית. שלב 5: חשב את רווח הביטחון של 95% = 0.28 +/- (1.99 x 0.162) = 0.28 +/- 0.323 = [-0.04R, +0.60R] שים לב שרווח הביטחון בקושי כולל אפס (הגבול התחתון הוא -0.04R), מה שעקבי עם ערך p שהוא בדיוק מתחת ל-0.05. זוהי מובהקות שולית — הראיות מרמזות על יתרון, אך הגודל אינו ודאי ונתונים נוספים יחזקו את המסקנה.

יישום ב-Excel

ב-Excel, ניתן לבצע מבחן t למדגם יחיד בשלבים הבאים: הזן את כל מכפילי ה-R בעמודה A (A1:A80 עבור 80 עסקאות). חשב את הממוצע: =AVERAGE(A1:A80). חשב את סטיית התקן: =STDEV(A1:A80). חשב את סטטיסטי t: =AVERAGE(A1:A80)/(STDEV(A1:A80)/SQRT(COUNT(A1:A80))). חשב את ערך ה-p החד-זנבי: =T.DIST.RT(t_statistic, COUNT(A1:A80)-1). לרווח ביטחון: =CONFIDENCE.T(0.05, STDEV(A1:A80), COUNT(A1:A80)).

יישום ב-Python

from scipy import stats
import numpy as np

# מכפילי ה-R שלך מנתוני מסחר
r_multiples = np.array([...])  # הזן את מכפילי ה-R בפועל

# מבחן t למדגם יחיד מול אפס
t_stat, p_value_two_tailed = stats.ttest_1samp(r_multiples, 0)
p_value_one_tailed = p_value_two_tailed / 2  # חד-זנבי (בדיקת יתרון חיובי)

# רווח ביטחון
mean = np.mean(r_multiples)
se = stats.sem(r_multiples)
ci_95 = stats.t.interval(0.95, len(r_multiples)-1, loc=mean, scale=se)

print(f"מכפיל R ממוצע: {mean:.4f}")
print(f"סטטיסטי t: {t_stat:.4f}")
print(f"ערך p (חד-זנבי): {p_value_one_tailed:.4f}")
print(f"רווח ביטחון 95%: [{ci_95[0]:.4f}, {ci_95[1]:.4f}]")

יישום מעשי: בדיקת האסטרטגיה שלך

שלב 1: הכן את הנתונים שלך. חלץ מכפילי R לכל העסקאות מיומן המסחר שלך. ודא שאתה כולל כל עסקה — ללא בחירה סלקטיבית. אם יש לך פחות מ-30 עסקאות, אתה צריך יותר נתונים לפני שבדיקה סטטיסטית משמעותית.

שלב 2: בצע את מבחן ה-T. השתמש בשיטת Excel או Python למעלה לחישוב סטטיסטי t, ערך p ורווח ביטחון.

שלב 3: פרש את התוצאות.

שלב 4: פלח את הניתוח שלך. חזור על מבחן ה-t עבור תת-קבוצות של הנתונים: לפי סוג סטאפ (האם כל סטאפ בנפרד מראה מובהקות?), לפי משטר שוק (האם היתרון מתמשך בתנאים שונים?), לפי תקופת זמן (האם היתרון יציב או מתדרדר?). אם התוצאה המצטברת מובהקת אך פלחים בודדים לא, היתרון עשוי להיות מרוכז בתנאים ספציפיים — מה שהוא מידע חשוב למיקוד המסחר שלך.

מדידת השפעה על ביצועים

בדיקה סטטיסטית צריכה לשפר את החלטות הקצאת ההון שלך. עקוב אחר תוצאות אלה:

מגבלות ומקרי קצה

מגבלה 1: אי-סטציונריות. מבחנים סטטיסטיים מניחים שתהליך ייצור הנתונים יציב לאורך זמן. שווקים משתנים. יתרון שהיה מובהק סטטיסטית בשנתיים האחרונות עשוי שלא להתמשך בעתיד. השתמש בבדיקת חלון מתגלגל לניטור יציבות היתרון.

מגבלה 2: השוואות מרובות. אם אתה בודק 20 סטאפים שונים למובהקות סטטיסטית, אתה מצפה שאחד יראה p < 0.05 במקרה בלבד. התאם להשוואות מרובות באמצעות תיקון בונפרוני (חלק את סף המובהקות שלך במספר המבחנים) או התמקד בהשערות שנקבעו מראש במקום כריית נתונים. מגבלה 3: זנבות שמנים. תשואות פיננסיות אינן מתפלגות נורמלית — יש להן זנבות שמנים יותר מההתפלגות הנורמלית. מבחן t חסין סבירה להפרה זו עם גדלי מדגם מספיקים (n > 30), אך היזהר עם מדגמים קטנים או אסטרטגיות עם תשואות חריגות קיצוניות.

מגבלה 4: הטיית הישרדות ובחירה. אם אתה בודק רק את האסטרטגיות שנראו טוב בבקטסטינג, המבחנים הסטטיסטיים שלך מוטים. האסטרטגיות שלא בדקת — אלה שבבירור לא עבדו — הן חלק מבעיית ההשוואות המרובות המשתמעת.

מגבלה 5: מובהקות מעשית מול סטטיסטית. אסטרטגיה יכולה להיות מובהקת סטטיסטית (p < 0.05) אך עם יתרון קטן כל כך (+0.05R לעסקה) שלא שווה לסחור בה לאחר התחשבות בכל החיכוכים של העולם האמיתי. הערך תמיד האם גודל היתרון מצדיק את העלויות התפעוליות.

הקשר מוסדי ואסמכתאות אקדמיות

חברות כמותיות מוסדיות מיישמות באופן שגרתי שיטות סטטיסטיות אלה — וגרסאות קפדניות הרבה יותר — לפני הקצאת הון לכל אסטרטגיה. יחס שארפ, כשהוא שנתי ונבדק למובהקות, קשור קרוב לסטטיסטי t שתואר כאן. תהליכי בדיקת נאותות של קרנות גידור דורשים באופן פורמלי בדיקת מובהקות סטטיסטית של רקורדים נטענים.

תכנית הלימודים הרחבה של למד מסחר מחברת יסודות סטטיסטיים אלה לתהליכי עבודה מעשיים של בקטסטינג והערכת אסטרטגיה.

אסמכתאות אקדמיות ומקצועיות: Bailey, D.H. and Lopez de Prado, M. (2014) "The Deflated Sharpe Ratio". Harvey, C.R., Liu, Y., and Zhu, H. (2016) "…and the Cross-Section of Expected Returns". Aronson, D. (2006) Evidence-Based Technical Analysis. White, H. (2000) "A Reality Check for Data Snooping".