Trading Win Rate: Sample Size কেন পুরো গল্প বদলায়

Read in English

শেখার লক্ষ্য: reported win rate কেন uncertain, sample size কীভাবে uncertainty বদলায় এবং profitability কেন win ও loss-এর size-এর ওপরও depend করে তা বোঝা।

এক trader 10 trade-এর মধ্যে 7টি win করে 70% win rate বলেন। আরেকজন 100-এর মধ্যে 70টি win করেন। Displayed percentage একই, evidence একই নয়। Ten observation underlying process নিয়ে অনেক বেশি uncertainty রাখে।

Win rate estimate, permanent property নয়। Market regime, execution ও rule change সময়ের সঙ্গে এটি বদলাতে পারে।

১. Comparable trade record করুন

Calculation-এর আগে trade কী তা define করুন। Partial exit consistently handle করুন, একটি idea-এর multiple fill combine করুন এবং cost-এর পর net result ব্যবহার করুন। Materially different setup, market ও timeframe আলাদা করুন।

Daily trend strategy ও intraday mean reversion mix করলে average কোনো method-কেই ঠিকভাবে describe করে না।

২. Uncertainty range যোগ করুন

Confidence interval statistical model-এর অধীনে plausible win probability-এর range দেয়। Binary win/loss data-তে Wilson interval simple normal approximation-এর চেয়ে অনেক সময় বেশি reliable, বিশেষত small sample বা extreme win rate-এ।

Sample বড় হলে interval narrow হয়। Uncertainty পুরোপুরি যায় না, এবং observation reasonably comparable—এ assumption থাকে। একটি favourable regime-এ clustered trade count যত information দেখায়, বাস্তবে তার চেয়ে কম independent information দিতে পারে।

৩. Win rate ও expectancy গুলিয়ে ফেলবেন না

Occasional loss বড় হলে high win rate-ও money lose করতে পারে। Winner loss-এর চেয়ে অনেক বড় হলে low win rate profitable হতে পারে।

Expectancy = (win rate × average win) − (loss rate × average loss)

Fee, spread ও slippage-এর পর result ব্যবহার করুন। Distribution-ও দেখুন: একটি outlier winner average expectancy-কে typical trade-এর চেয়ে শক্তিশালী দেখাতে পারে।

৪. Changing condition দেখুন

Rolling win rate drift দেখাতে পারে, কিন্তু খুব short window noisy। Setup ও regime অনুযায়ী result তুলনা করুন এবং win rate-এর সঙ্গে average win, average loss ও execution quality-এর change দেখুন।

Arbitrary sample target পূরণের জন্য deteriorating method trade করতে থাকবেন না। Risk limit ও predeclared review rule এখনও প্রযোজ্য।

Worked example

Strategy A: 10 trade-এ 7 win, অর্থাৎ 70%। 95% Wilson interval প্রায় 40% থেকে 89%। Strategy B: 100 trade-এ 70 win, 70%; interval প্রায় 60% থেকে 78%।

Second estimate বেশি precise, তবে persist করার guarantee নয়। এবার Strategy B-এর average winner +0.6R এবং average loser -1.5R হলে:

Expectancy = (0.70 × 0.6R) − (0.30 × 1.5R) = -0.03R per trade

70% win rate সত্ত্বেও hypothetical strategy সামান্য loss করে—historical sample representative কি না দেখার আগেই। Example দেখায়, win rate alone edge নয়।

সাধারণ ভুল

• Ten trade-কে strong statistical evidence ধরা।
• Unrelated setup এক win rate-এ combine করা।
• Cost ignore করে tiny gross gain-কে win বলা।
• Loss worse করে শুধু win rate বাড়াতে rule optimise করা।
• Trade fully independent ধরে নেওয়া।
• Sample size বা time period ছাড়া point estimate publish করা।

ব্যবহারিক checklist

1. Trade definition consistent কি?
2. Outcome practical সব cost-এর পরে কি?
3. কত comparable observation আছে?
4. Win rate-এর uncertainty interval কত?
5. Trade কি market regime অনুযায়ী clustered?
6. Average win, average loss ও expectancy in R কত?
7. একটি outlier result dominate করে কি?
8. Sample period-এ strategy বা execution process বদলেছে কি?

The Money Man-এর দৃষ্টিভঙ্গি

Context ছাড়া win rate-এর value কম। আমরা sample size, uncertainty ও payoff distribution report করি, তারপর result different regime survive করে কি না দেখি। Short favourable run-এর headline number-এর চেয়ে controlled loss-সহ lower but stable win rate বেশি valuable হতে পারে।

শুধু শিক্ষামূলক তথ্য। এই tutorial AI-assisted এবং The Money Man প্রকাশিত। এটি ব্যক্তিগত investment advice, recommendation বা return-এর প্রতিশ্রুতি নয়। Statistical estimate fail করতে পারে এবং trading-এ loss হতে পারে।