Monte Carlo Analysis: Trade Order কীভাবে Drawdown Risk বদলায়
সর্বশেষ সংরক্ষিত:
Executive Summary
- ✦একই trade ভিন্ন order-এ খুব আলাদা drawdown তৈরি করতে পারে।
- ✦Dependence ও market regime reflect করে এমন resampling method নিন।
- ✦Live sizing rule reproduce করুন এবং realistic cost include করুন।
- ✦Percentile-কে conditional estimate ধরুন, guaranteed limit নয়।
শেখার লক্ষ্য: Monte Carlo resampling দিয়ে win ও loss-এর order বদলালে strategy-এর average result একই থাকলেও drawdown, losing streak ও account path কীভাবে বদলায় তা estimate করা।
Backtest একটি historical sequence দেখায়। একই trade ভিন্ন order-এ সাজালে অনেক deeper drawdown বা longer losing streak হতে পারে। Monte Carlo analysis assumption থেকে অনেক alternative path তৈরি করে, যাতে একটি smooth equity curve-এর বদলে possible outcome-এর range দেখা যায়।
এটি risk tool, prediction machine নয়। Input data ও simulation design যত credible, conclusion তত credible।
১. Question define করুন
Useful question:
- Next 100 trade-এ কত drawdown হতে পারে?
- Losing streak কত দীর্ঘ হতে পারে?
- Account chosen limit-এর নিচে কতবার যেতে পারে?
- Proposed risk per trade unfavourable sequence survive করে কি?
Simulation-এর আগে trade count, starting capital, sizing rule ও failure threshold ঠিক করুন।
২. Resampling method বেছে নিন
সহজ method historical trade result randomly rearrange করে। এতে observed winner ও loser একই থাকে, order বদলায়। Sampling with replacement একই result একাধিকবার আসতে দেয় এবং wider sequence তৈরি করে।
Trade regime অনুযায়ী cluster করলে independent resampling misleading হতে পারে। Block method consecutive trade group একসঙ্গে রেখে কিছু serial dependence preserve করে। Parametric simulation fitted distribution থেকে draw করে, কিন্তু chosen distribution extreme loss কম দেখাতে পারে।
Original assumption-এ না থাকা risk কোনো method তৈরি করে না। Gap, liquidity failure বা structural break-এর জন্য আলাদা stress scenario যোগ করুন।
৩. Sizing rule সঠিকভাবে simulate করুন
Fixed monetary risk ও percentage-of-equity risk আলাদা behave করে। Percentage sizing-এ drawdown-এর পর loss size কমে এবং gain-এর পর বাড়ে। Leverage, minimum contract size ও portfolio overlap-ও reflect করতে হবে।
হাজার হাজার path চালিয়ে best বা average নয়, distribution দেখুন। Useful output হলো median ending equity, fifth-percentile outcome, maximum-drawdown percentile ও losing-streak percentile।
৪. False precision এড়ান
95th-percentile drawdown guaranteed maximum নয়। Model assumption-এর অধীনে simulated path-এর 95%-এ এর চেয়ে ছোট drawdown হয়েছে—এটাই অর্থ। Real market historical sample ছাড়াতে পারে।
Representative trade বেশি হলে confidence improve করে, কিন্তু regime change সম্ভব। Conservative stress addition ব্যবহার করুন এবং material strategy change-এর পর retest করুন।
Worked example
ধরা যাক, strategy-এর 200 historical R-result এবং average expectancy +0.18R। Trader fixed 0.5% current equity risk per trade দিয়ে 10,000 বার 100-trade sequence resample করেন।
Hypothetical output:
- Median maximum drawdown: 6%
- 90th-percentile maximum drawdown: 11%
- 95th-percentile longest losing streak: 12 trades
- 8% path starting capital-এর নিচে শেষ হয়
Average edge positive, তবু কিছু path loss করে এবং অনেক path uncomfortable। Risk per trade double করলে drawdown শুধু twice difficult মনে হয় না; compounding ও behaviour execution আরও কঠিন করতে পারে।
Figureগুলো illustrative। Real study-তে strategy-এর own clean, net-of-cost result ও appropriate dependence assumption দরকার।
সাধারণ ভুল
- Simulated percentile-কে guaranteed boundary ধরা।
- খুব কম historical trade ব্যবহার করা।
- Serial correlation ও market regime ignore করা।
- Cost বা slippage ছাড়া gross result simulate করা।
- Position sizing model-এর বাইরে রাখা।
- Median path attractive বলে risk level বেছে নেওয়া।
ব্যবহারিক checklist
- Simulation কোন exact risk question-এর উত্তর দেবে?
- Trade result realistic cost-এর পরে কি?
- Sample intended strategy-এর representative কি?
- Trade independent নাকি block-এ resample করা উচিত?
- Live position-sizing rule reproduce হয়েছে কি?
- কোন drawdown ও losing-streak percentile গুরুত্বপূর্ণ?
- History-তে কোন stress loss অনুপস্থিত?
- Adverse path-এ plan executable থাকবে কি?
The Money Man-এর দৃষ্টিভঙ্গি
Monte Carlo analysis sequence risk visible করে। Positive expectancy strategy-ও painful path দিতে পারে; position size median outcome নয়, সেই possibility অনুযায়ী নেওয়া উচিত। Single precise-looking number-এর চেয়ে conservative input, multiple resampling method ও explicit stress test আমরা বেশি গুরুত্ব দিই।
শুধু শিক্ষামূলক তথ্য। এই tutorial AI-assisted এবং The Money Man প্রকাশিত। এটি ব্যক্তিগত investment advice, recommendation বা return-এর প্রতিশ্রুতি নয়। Simulation hypothetical এবং trading-এ loss হতে পারে।