Trading-এ Serial Correlation: Win ও Loss কেন Cluster হয়

Trading-এ Serial Correlation: Win ও Loss কেন Cluster হয়

Read in English

Evergreen trading tutorial: এই article trade sequence-এ দেখা দিতে পারে এমন একটি statistical risk ব্যাখ্যা করে। সব figure hypothetical। এটি শিক্ষামূলক তথ্য; personalised advice বা past pattern ভবিষ্যতেও চলবে—এমন promise নয়।

অনেক trading summary প্রতিটি trade-কে independent observation ধরে। 50% win rate-কে প্রায়ই এমনভাবে পড়া হয় যেন পরের trade একটি নতুন coin toss। বাস্তব strategy অন্যভাবে চলতে পারে: win-এর পরে win, loss-এর পরে loss আসতে পারে এবং market regime outcome-কে cluster করাতে পারে।

সময় ধরে outcome-এর এই dependence-কে serial correlation বা autocorrelation বলা হয়। এটি ignore করলে drawdown risk কম মনে হতে পারে, backtest-এর confidence অতিরঞ্জিত হতে পারে এবং ভুল সময়ে size বাড়ানোর প্রবণতা তৈরি হতে পারে।

শেখার লক্ষ্য

এই guide শেষে আপনি পারবেন:

• independent trade outcome ও serially correlated outcome আলাদা করতে;
• একই win rate ও expectancy থেকেও ভিন্ন drawdown কেন হয় তা বুঝতে;
• simple outcome-transition rate হিসাব করতে;
• apparent clustering stable নাকি noise, তা test করতে; এবং
• ছোট sample-কে prediction না বানিয়ে validation ও risk control adjust করতে।

Serial correlation কী

Serial correlation দেখে একই sequence-এর একটি observation আগের observation-এর সঙ্গে সম্পর্কিত কি না। Trade log-এর ক্ষেত্রে প্রশ্নটি হতে পারে: trade t-এর result কি trade t − 1-এর result সম্পর্কে কোনো information বহন করে?

দুই ধরনের broad pattern আছে:

• Positive serial correlation: একই ধরনের outcome পরপর আসার প্রবণতা। Win-এর সঙ্গে win বা loss-এর সঙ্গে loss cluster করে।
• Negative serial correlation: outcome alternate করার প্রবণতা। Win-এর পরে loss এবং loss-এর পরে win তুলনামূলক বেশি আসে।

Zero correlation মানে chosen lag-এ detectable linear relationship নেই। এটি complete independence প্রমাণ করে না। Dependence শুধু নির্দিষ্ট volatility regime, instrument, setup type বা দীর্ঘ lag-এ দেখা দিতে পারে।

Trader-এর জন্য কেন গুরুত্বপূর্ণ

Strategy-এর average return তার centre দেখায়। Serial dependence সেই average-এর চারপাশে path কীভাবে তৈরি হয় তা বদলায়।

Loss clustering independent-trade model-এর ধারণার চেয়ে deep drawdown তৈরি করতে পারে। Win clustering ছোট sample-কে অস্বাভাবিক strong দেখাতে পারে। Alternation long-run edge না বদলালেও drawdown-কে অস্বাভাবিক mild দেখাতে পারে।

এটি গুরুত্বপূর্ণ:

• position sizing ও margin headroom;
• expected losing-streak length;
• backtest confidence interval;
• Monte Carlo simulation;
• strategy pause বা modify করার decision; এবং
• কয়েকটি system একই regime-এ response করলে portfolio diversification-এর জন্য।

Streak ও position size কীভাবে একসঙ্গে কাজ করে তা আমাদের risk-of-ruin guide-এ আছে।

একই win rate, ভিন্ন path

দুটি hypothetical ten-trade sequence ধরুন। প্রতিটি win +1R এবং প্রতিটি loss −1R।

Sequence A: W, L, W, L, W, L, W, L, W, L
Sequence B: W, W, W, W, W, L, L, L, L, L

দুটিতেই পাঁচ win, পাঁচ loss, 50% win rate এবং total result 0R। কিন্তু Sequence A previous equity high থেকে কখনো 1R-এর বেশি নামে না। Sequence B শেষ হয় পরপর পাঁচ loss দিয়ে এবং peak থেকে 5R drawdown তৈরি করে।

Individual result-এর distribution একই; order আলাদা। শুধু win rate, average win ও average loss থাকা report এই path risk ধরতে পারে না।

Simple transition-table method

প্রথম practical check হলো প্রতিটি result-এর পরে কী হয়েছে তা count করা। Consecutive trade-এর চার transition লিখুন:

• win-এর পরে win: W→W;
• win-এর পরে loss: W→L;
• loss-এর পরে win: L→W; এবং
• loss-এর পরে loss: L→L।

ধরুন 40 trade-এর sample-এ 39 transition আছে। Win-এর পরে 13টি W→W ও 6টি W→L। Loss-এর পরে 7টি L→W ও 13টি L→L।

Conditional rate:

P(win after win) = 13 ÷ (13 + 6) = 68.4%

P(loss after loss) = 13 ÷ (13 + 7) = 65.0%

Sample-এ apparent clustering আছে। কিন্তু এটি durable effect প্রমাণ করে না। 40 trade ছোট sample, overlapping transition পুরোপুরি independent নয় এবং একটি market regime observation dominate করতে পারে।

Lag-one autocorrelation মাপা

Quick numerical check-এর জন্য প্রতিটি trade-কে consistent return measure—যেমন R-multiple বা percentage return—এ convert করুন। তারপর correlation হিসাব করুন:

• trade 2 থেকে n-এর result; এবং
• trade 1 থেকে n − 1-এর result-এর মধ্যে।

এটি lag-one autocorrelation। Positive value adjacent result একদিকে চলার ইঙ্গিত দেয়; negative value alternation-এর ইঙ্গিত দেয়।

গুরুত্বপূর্ণ limitation:

1. Zero-এর কাছাকাছি value nonlinear বা regime-dependent pattern লুকাতে পারে।
2. Binary win/loss coding payoff size বাদ দেয়।
3. Position size বদলালে raw cash P&L false dependence তৈরি করতে পারে।
4. Overlapping position-এ “next trade” ambiguous হয়।
5. Multiple strategy বা instrument মেশালে pattern cancel বা তৈরি হতে পারে।
6. অনেক lag test করে শুধু strongest result report করলে data-mining bias হয়।

সম্ভব হলে R-multiple বা size-normalised return ব্যবহার করুন এবং sign ও magnitude দুটোই দেখুন।

Clustering কোথা থেকে আসে

Market regime

Trend-following strategy persistent trend-এ বারবার win এবং choppy range-এ বারবার loss করতে পারে। Mean-reversion system-এর sensitivity উল্টো হতে পারে। Regime বদলালে serial pattern হারাতে পারে।

Overlapping exposure

একই সময়ে highly correlated পাঁচটি technology share-এ entry পাঁচটি independent bet নয়। এক sector move আলাদা ticker signal হলেও outcome cluster করাতে পারে।

Execution condition

Stressed session-এ spread, liquidity ও slippage প্রায়ই একসঙ্গে খারাপ হয়। একই period-এর কয়েকটি trade poor fill পেতে পারে।

Strategy change

Trader win-এর পরে size বাড়াতে, loss-এর পরে hesitate করতে বা drawdown-এর মধ্যে rule বদলাতে পারেন। Recorded sequence তখন market behaviour ও changing human behaviour দুটোই মেশায়।

Data construction

একই close দিয়ে multiple signal তৈরি, trade ভুল order-এ সাজানো বা partial exit-কে আলাদা trade হিসেবে record করা artificial dependence বানাতে পারে।

Step-by-step analysis process

1. Trade log clean ও order করুন

Actual entry time দিয়ে primary order করুন এবং exit time রাখুন। Overlapping position mark করুন। Analysis যদি আলাদা fill model না করে, partial exit-কে original trade idea-এর অধীনে combine করুন।

2. Outcome normalise করুন

Cash P&L-এর সঙ্গে R-multiple বা percentage return রাখুন। এতে deliberate size change-কে strategy edge-এর change মনে হবে না।

3. Data দেখার আগে test define করুন

Outcome measure, lag ও minimum sample আগে ঠিক করুন। Lag 1 থেকে 50 test করে largest correlation দেখালে misleading result পাওয়ার সম্ভাবনা অনেক।

4. Transition ও streak inspect করুন

W→W, W→L, L→W ও L→L rate হিসাব করুন। একই trade-এর shuffled version-এর সঙ্গে observed longest win ও loss streak compare করুন।

5. Uncertainty-সহ autocorrelation হিসাব করুন

Estimate-এর সঙ্গে sample size এবং confidence interval বা resampling range report করুন। Uncertainty ছাড়া point estimate data-এর চেয়ে বেশি precision দেখায়।

6. Stated reason থাকলেই segment করুন

Trend/range, high/low volatility, long/short, setup type বা instrument-এর মতো pre-defined category test করুন। Attractive result না পাওয়া পর্যন্ত category invent করবেন না।

7. Out of sample validate করুন

Research sample-এ clustering দেখা গেলে rule অপরিবর্তিত রেখে পরে আসা unseen trade-এ check করুন। Out of sample-এ pattern হারালে live size control করা উচিত নয়।

8. Order stress-test করুন

Block bootstrap বা regime-aware simulation চালান, যা কিছু clustering preserve করে। প্রতিটি trade independently shuffle করলে serial dependence মুছে যায় এবং drawdown risk কম দেখাতে পারে। আমাদের Monte Carlo sequence-risk guide foundationটি ব্যাখ্যা করে।

Worked risk example

ধরুন একটি strategy-তে 120 historical trade, average result +0.18R, এবং maximum historical losing streak ছয় trade। Simple independent shuffle typical severe drawdown প্রায় 8R দেখায়।

Review-এ দেখা গেল low-trend condition-এ loss block আকারে এসেছে। Short neighbouring group একসঙ্গে রাখা block-resampling test-এ 95th-percentile drawdown 8R-এর বদলে 13R হলো।

Account £25,000 হলে:

• প্রতি trade 1% risk-এ 8R প্রায় £2,000 এবং 13R প্রায় £3,250, compounding-এর আগে;
• প্রতি trade 0.5% risk-এ একই scenario প্রায় £1,000 এবং £1,625।

এগুলো correct risk percentage prescribe করে না। এগুলো দেখায় dependence-aware stress test sizing-এর loss scenario materially বদলাতে পারে।

Trader-এর conclusion হওয়া উচিত নয় যে পরের 13 trade loss হবে। Narrow conclusion হলো: independent model হয়তো বেশি optimistic, তাই size ও cash reserve-কে আরও clustered path সহ্য করতে হবে।

Overfit না করে response দিন

Serial correlation risk model উন্নত করার evidence; win-এর পরে automatically বড় trade বা loss-এর পরে trading stop করার signal নয়।

Practical response:

• clustered drawdown account tolerance ছাড়ালে baseline risk কমানো;
• correlated position-এর total exposure cap করা;
• out-of-sample validation-এর পরে pre-defined regime filter ব্যবহার করা;
• emotional discretion-এর বদলে size কমানোর fixed drawdown rule রাখা;
• worse-than-historical streak-এর জন্য margin রাখা; এবং
• consistentভাবে trade record চালিয়ে যাওয়া।

Pause rule damage control করতে পারে, কিন্তু এক backtest থেকে বেছে নিলে recovery miss করতে পারে। Pause শুরু হওয়ার আগেই strategy কীভাবে resume করবে তা define করুন।

Common mistakes

1. 50% win rate মানেই independent coin toss ভাবা। Unconditional rate sequencing সম্পর্কে কিছু বলে না।
2. Size normalise না করে cash P&L ব্যবহার করা। পরে বড় trade false pattern তৈরি করতে পারে।
3. Correlation-কে causation ভাবা। Adjacent outcome সরাসরি একে অন্যকে cause না করে একই regime share করতে পারে।
4. Tiny sample বিশ্বাস করা। কয়েকটি streak estimate dominate করতে পারে।
5. অনেক lag search করে একটি বেছে নেওয়া। Multiple testing false discovery তৈরি করে।
6. প্রতিটি trade independently shuffle করা। এতে test করা dependence মুছে যায়।
7. Strategy ও instrument মেশানো। Opposing behaviour correlation hide বা invent করতে পারে।
8. Streak-এর পর সঙ্গে সঙ্গে size বদলানো। Descriptive pattern automatic live forecast নয়।
9. Overlapping trade ignore করা। Concurrent exposure sequence definition-কে meaningless করতে পারে।
10. Backtest ভালো করেছে বলেই regime filter নেওয়া। Filter-এর economic rationale ও unseen-data validation দরকার।

Practical checklist

• Trade সঠিক order-এ আছে এবং overlapping exposure marked।
• Result R-multiple বা size-normalised return-এ stored।
• Result দেখার আগে lag ও test defined।
• Transition count ও streak length sample size-সহ reported।
• Correlation estimate uncertainty-সহ দেওয়া হয়েছে।
• Strategy, instrument ও regime segment-এর stated rationale আছে।
• Multiple-testing risk recorded।
• Out-of-sample trade আলাদা রাখা হয়েছে।
• Simulation plausible clustering preserve করে।
• Position size stressed drawdown সহ্য করতে পারে।
• Pause, reduction ও restart rule আগে লেখা।
• Trading journal-এ result-এর সঙ্গে rule change-ও record করা হয়।

The Money Man View

Win rate ও expectancy strategy-কে অসম্পূর্ণভাবে বর্ণনা করে, কারণ capital trade-কে sequence আকারে experience করে। Loss cluster করলে independent-trade simulation risk-কে বাস্তবের চেয়ে smooth দেখাতে পারে। Transition measure করুন, result normalise করুন, stress test-এ clustering preserve করুন এবং strategy বদলানোর আগে out-of-sample evidence চান। লক্ষ্য হলো realistic drawdown budget; শেষ trade দেখে prediction নয়।

শিক্ষামূলক risk disclosure: Statistical relationship বদলাতে পারে এবং small sample misleading হতে পারে। Backtest, resampling ও historical streak future result guarantee করে না। Gap, leverage ও execution-এর কারণে trading-এ planned amount-এর চেয়ে বেশি loss হতে পারে। The Money Man editorial process অনুযায়ী AI-assisted research ও writing-এর সাহায্যে articleটি প্রস্তুত হয়েছে।