Du visar för närvarande Min Money management och Position sizing för Swing trading

Min Money management och Position sizing för Swing trading

Med en bra strategi kan vi som traders nå långt, men det är med hjälp av en bra Money management strategi som vi kan uppnå riktigt bra resultat.

Money management handlar om hur vi ska få vårt kapital att växa på ett optimalt sätt utifrån vår riskprofil. Genom att ha en dålig Money management kan vi förstöra bra strategier men vi kan även få bra strategier att blir riktigt bra.

Tänk dig att du har en riktigt bra strategi, men du riskerar inte tillräckligt mycket. Du satsar för lite varje gång, detta leder till att ditt kapital inte växer tillräckligt fort. Du har alltså gjort en bra strategi till en dålig. 

Ett annat scenario är att du riskerar för mycket i varje affär. I extremfallet riskerar du hela ditt kapital i varje affär, trots att du kanske har en strategi där kanske 99% av affärerna slutar med vinst, så är sannolikheten för att du kommer att blåsa ditt konto 100%. Detta då du en gång kommer att förlora.

Det kommer komma en förlustaffär och riskerar du då alltid att förlora 100% av ditt kapital kommer du till sist att förlora allt ditt kapital.

Vi kanske alltså med Money management förstöra en bra strategi, men jag nämnde också att vi kan göra en strategi bättre.

Jag tänkte att vi skulle gå igenom hur jag lägger upp min Money management för en strategi. Vi kommer titta på en strategi som jag gått igenom tidigare och gå igenom min process i att bestämma hur min Money management hade sett ut för denna strategi. Jag har fem steg där jag bestämmer hur mycket jag ska riskera av mitt kapital i varje affär.

  1. Steg 1 – Backtesting
  2. Steg 2 – Senaste 100 affärerna
  3. Steg 3 – Hur många affärer sker samtidigt?
  4. Steg 4 – Monte Carlo analys
  5. Steg 5 – Väva ihop allt

Men innan vi går in på varje steg tänkte jag presentera den strategin vi ska använda som exempel för att visa hur jag bestämmer vad jag ska satsa vid varje affär. Kom ihåg att detta är mitt sätt att bestämma vad jag ska satsa, det är rätt FÖR MIG, men behöver kanske inte vara rätt sätt FÖR DIG. Likt trading måste vi finna de tillvägagångssätt som passar oss.

Strategin

Den strategi vi tittar på idag är en från Söndagsstrategin. Det är en strategi som utnyttjar jämviktspendling men tittar även på hur volatiliteten är i index och i aktien. Om du vill veta mer om denna intressanta strategi hittar du information om den här.

Entry:
RSI(2) under 3.2
Positiv marknadsfas
Om BBW under 10 på index:
BBW > 10
Annars
BBW > 5

Exit:
MA3

Studien

Data

Studien sträcker sig från år 2010-01-01 till 2020-02-11 och de aktier som jag har valt att titta på är:

ABB Ltd
Alfa Laval
Autoliv SDB
Assa Abloy B
Atlas Copco A
AstraZeneca
Boliden
Electrolux B
Ericsson B
Getinge B
Hexagon B
Hennes & Mauritz B
Investor B
Kinnevik B
Nordea Bank Abp
Sandvik
SCA B
SEB A
Securitas B
Sv. Handelsbanken A
Skanska B
SKF B
SSAB A
Swedbank A
Swedish Match
Tele2 B
Telia Company
Volvo B

Vad är en rimlig summa att satsa?

Steg 1 – Backtesting

Vårt första steg är att backtesta strategin och se hur strategin den har presterat historiskt.

NameRSI Söndagsstrategin
Entry signalRSI<3.2 + IF(BBW(OMXS30>10, BBW>5, BBW>10)
Exit signalMA3
StocksOMXS30
Market conditionsPF
Edge (%)1,01
Stdev2,51
Hitratio74%
Avg win (%)2,05
Avg loss (%)-2,01
Max win (%)14,75
Max loss (%)-13,16
Edge/Stdev0,40
Trades571
ProfitFactor2,05
TiM2,33
Edge/Day (%)0,44
Start date2010-01-25
End date2020-02-03

Som vi kan se av dessa resultat ser det väldigt bra ut, vi avkastar i snitt 1% per affär och vi har en hög sannolikhet för en vinstaffär. Snittförlusten är väldigt låg jämfört med snittvinsten och detta ser ut som en strategi där jag kan satsa väldigt mycket. Edge/Stdev är ett mått jag också tar hänsyn till och den är väldigt hög, över 0.4 anser jag vara en väldigt bra strategi. 

Men innan jag kan ta detta beslut måste jag gå igenom steg 2 av min analys.

Steg 2 – Senaste X antal affärer

När vi studerar resultatet för strategin ser det väldigt bra ut. En hög snittavkastning i relation till standardavvikelsen och en Edge/Stdev på 0.44. 

Nu går vi in i nästa del, och vi kommer se i denna strategi varför detta steg är så viktigt. Det är nämligen så att denna strategi har presterat väldigt bra fram till slutet av 2018. Efter det har strategin inte presterat speciellt bra. 

Nästa steg är att jag tittar på hur resultatet har sett ut för ungefär de 100 senaste affärerna, detta beror lite på hur mycket opportunity strategin har, alltså hur många affärer som strategin genererar. Genererar strategin ett mindre antal affärer minskar jag detta nummer en aning och det motsatta gäller om en strategi genererar väldigt många affärer.

Genom att titta på de senaste 100 affärerna kommer jag att anpassa min Money management efter hur strategin har presterat nyligen och inte efter hur den har presterat under hela tidsintervallet. 

Om strategin då presterat allt sämre och sämre kommer jag minska hur mycket jag satsar och förhoppningsvis blir effekten att mitt kapital inte kommer att sjunka lika fort.

För att du ska förstå effekten av detta kommer vi att titta på två scenarion. Scenario ett är om vi i slutet på 2018 skulle bestämma hur mycket vi skulle satsa vid den tidpunkten och scenario två är om vi i dagsläget ska titta på hur mycket vi ska satsa i varje affär. Vi kommer att titta på dessa två scenarion under steg 4 och i slutsatsen.

Nästa steg blir alltså att backtesta de senaste 100 affärerna för strategin. Ett backtest på de senaste 100 affärerna ser ut på följande vis:

NameRSI Söndagsstrategin
Entry signalRSI<3.2 + IF(BBW(OMXS30>10, BBW>5, BBW>10)
Exit signalMA3
StocksOMXS30
Market conditionsPF
Edge (%)0,123
Stdev3,331
Hitratio62%
Avg win (%)1,961
Avg loss (%)-2,955
Max win (%)14,750
Max loss (%)-13,160
Edge/Stdev0,037
Trades100
ProfitFactor1,961
TiM2,807
Edge/Day (%)0,044
Start date2018-10-16
End date2020-02-03

Som vi ser har strategin inte alls varit lika bra på sistone och det vore dumt att satsa som om den vore jättebra när den faktiskt inte är det. Börsen ändrar sig hela tiden och vi måste handla det som fungerar för tillfället. I steg 2 hade jag redan här valt att inte köra strategin för tillfället innan jag sett att strategin är på väg tillbaka igen.

Steg 3 – Hur många affärer sker samtidigt?

Nästa steg som jag brukar titta på är hur många affärer brukar strategin generera samtidigt. 

Varför är detta viktigt?

Tänk dig att du har en strategi som har genererat många bra affärer men alla affärer sker samtidigt. Om din Money management endast tillåter dig att ta en affär varje gång skulle detta betyda att du går miste om ett stort antal affärer. 

Du kan då inte förvänta dig att ditt resultat kommer att likna strategins historiska resultat. Detta eftersom du går miste om ett stort antal affärer.

Vi måste dela upp vårt kapital på ett sådant sätt att vi kan ta rimligt många affärer varje gång.

När jag analyserar en strategi har jag kodat upp ett program där jag kan analysera hur många affärer som sker samtidigt och hur utspridda affärerna är.

För vår strategi ser resultatet ut på följande sätt. 

Antalet gånger X antal affärer har skett på samma dag

Vi kan se att oftast har vi endast fått en affär per dag. Om vi tillåter oss att ta tre affärer samtidigt har vi ökat vår chans att kunna ta många av de historiska affärerna.

Men varför tar du inte höjd för att kunna ta 10 affärer åt gången, då kommer du ju knappt att missa en enda affär?

Nackdelen med att tillåta för många affärer är att kapitaltillväxten kommer att bli mindre. Detta eftersom att du satsar mindre. Om du tar höjd för att kunna ta 10 affärer åt gången satsar du ju endast en tiondel varje gång. De tillfällen vi endast får en affär per dag kommer du alltså satsa väldigt lite och ditt kapital kommer ta lång tid att växa. Som vi nämnde innan har då lyckats göra en bra strategi till en dålig genom att göra på detta vis.

Om strategin skulle signalera att det är köpläge i fler än 3 aktier kommer jag behöva sortera affärerna efter något kriterium. Detta kommer vi dock inte gå igenom i detta inlägg.

Steg 4 – Monte Carlo analys

Vi har nu gjort ett backtest och även kommit fram till hur många affärer vi ska kunna ta samtidigt. Nästa steg är vår Monte Carlo analys för att analysera hur mycket vi kan satsa varje gång för att minimera risken för en allt för stor drawdown. 

Det är nämligen så att även om vi kan anta att vi kommer få liknande affärer i framtiden kan vi inte anta att förlusterna och vinsterna kommer att komma i samma sekvens. Hur vinsterna och förlusterna kommer relativt till varandra har betydelse för din drawdown. 

Kommer alla förluster efter varandra kommer din drawdown bli lika stor som summan av alla förluster, detta kan jämföras med att vinsterna och förlusterna kommer omlott. Då blir din drawdown endast storleken på din största förlust.

Ordningen har alltså en betydelse och det är detta vi kommer att testa med hjälp av en Monte Carlo analys.

En Monte Carlo analys är ett sätt att testa komplicerade matematiska modeller genom att slumpa fram förhållanden och därigenom få fram sannolikheter för olika resultat. Inom trading slumpas ofta ordningen på affärerna fram för att se hur sannolik en viss drawdown är.

Om du vill lära dig mer om Monte Carlo analys och hur det används inom trading kan du läsa mitt utmärkta inlägg om ämnet här.

Som jag skrev innan kommer jag att testa strategin för de senaste 100 affärerna men även för hur bra strategin var innan slutet av 2018. Detta gör jag för att visa vikten av att ständigt uppdatera dina strategier.

Jag kommer alltså testa de senaste 100 affärerna från slutet av 2018 och bakåt. Vi kommer att börja med detta test.

Slutet av 2018 och 100 affärer bakåt

När jag gör dessa tester utgår jag ifrån att jag ska riskera 1% av mitt kapital varje gång jag gör en affär. Att inte riskera mer än 1% är lite av en oskriven regel inom trading och är en bra utgångspunkt när vi ska göra analyser. I denna strategi använder jag mig inte av en stop loss vilket gör att jag inte kan räkna ut hur mycket jag ska köpa för med hjälp av avståndet från entry till stop lossen. 

Istället för att göra på detta sätt kommer jag att titta på hur stor genomsnitts förlusten har varit. Om jag satsar så mycket att genomsnitts förlusten representerar 1% av mitt kapital kommer jag alltså i genomsnitt förlora 1% av mitt kapital i genomsnitt. Ibland blir denna summa större och ibland blir den mindre.

I detta exempel kommer mitt kapital att vara 100 000 kr i början, vilket betyder att jag ska riskera 1000 kr första gången jag gör en affär. Därefter kommer jag riskera 1% av det aktuella kapitalet. För att räkna ut summan som jag ska köpa för behöver jag veta vad den genomsnittliga förlusten är för strategin. Snittförlusten för strategin ligger på -1.85%. Det betyder att jag ska köpa för 1% av kapitalet delat med / snittförlusten (0.0185).

Monte Carlo kurvan för denna strategi ser ut på följande vis:

Du läser av grafen genom att titta på kurvan, det värdet kurvan visar på y-axeln är drawdownen och på x-axeln visas chansen att drawdownen ska vara så stor eller lägre. 

I detta fall kan vi se att den lägsta drawdownen på vårt kapital som vi kan förvänta oss är ungefär 5.5% och med en 90% sannolikhet kommer drawdownen ligga under 9%. Detta är väldigt lite och om vi skulle gå vidare med denna analys hade jag troligtvis valt att riskera lite mer. Men nu ska vi istället titta på de senaste 100 affärerna och se hur det ser ut.

Senaste 100 affärerna

Likt tidigare test kommer jag att testa hur det ser ut när jag riskerar 1% av mitt kapital vid varje affär. Monte Carlo testet för de senaste 100 affärerna ser ut på följande vis.

Som vi kan se är den lägsta drawdownen vi kan förvänta oss 4.5%, vilket är mindre än vid vårt förra test. Det verkar alltså som att vi skulle kunna satsa mer nu. Men fortsätter vi vår analys och tittar på hur stor drawdown vi får med 90% sannolikhet är den betydligt större. 

I detta fall ligger den på 13% istället för 9%. Det kommer alltså finnas en större risk att vår drawdown blir nästan 50% större om vi hade satsat på samma sätt. Det är alltså betydligt mer troligt att vi kommer få en större drawdown om strategin fortsätter att generera liknande affärer som de senaste 100 affärerna, och det vore då rimligt om vi minskade vår risk.

Optimering av risken

Vi har nu sett hur stor drawdown vi riskerar att få när vi riskerar 1% per affär. Jag brukar acceptera en drawdown på 20% till en 90% sannolikhet. Detta är den risk jag oftast väljer att ligga på, det kan dock variera från strategi till strategi. 

Denna risk kan vara rätt för dig, men du måste fråga dig själv, vilken typ av drawdown tror du att du klarar av. När du kommit fram till ett svar så hade jag minskat svaret med några procent, vi överskattar oftast vår tolerans för drawdowns.

Nästa steg är alltså att bestämma hur mycket av mitt kapital jag ska riskera per affär för att jag ungefär ska riskera en 20% drawdown eller lägre till 90% sannolikhet.

Om jag riskerar 2% per affär blir resultatet att min drawdown blir 24.6% eller lägre till 90% sannolikhet. Alltså måste jag riskera mindre än 2% per affär.

Efter lite tester kommer jag fram till att jag ska riskera max 1.55% av mitt kapital per affär om jag inte vill ha en drawdown över 20% till 90% sannolikhet.

Steg 5 – Väva ihop alla parametrar

Nu har vi gjort fyra steg och vi ska nu i steg fem försöka ta hänsyn till alla steg och komma fram till vad jag ska riskera vid varje affär.

I steg 1 tittade vid på strategin som helhet, i detta fall ser den bra ut och jag kan fortsätta med steg 2.

I steg 2 såg vi att strategin har presterat dåligt på sistone, eftersom att strategin har presterat så dåligt hade jag egentligen inte valt att handla denna strategi men för testets skull kommer jag göra det.

Steg 3 kom vi fram till hur många affärer jag ungefär ska kunna ta varje gång, vi kom fram till att jag ska kunna ta 3 affärer samtidigt.

I steg 4 såg vi ungefär vad för drawdown vi kan förvänta oss när vi satsar 1% av vårt kapital. Efter vi optimerade risken såg vi att den maximala summan jag kan riskera för att med 90% sannolikhet få en drawdown på maximalt 20% var 1.55% per affär.

Nu i steg 5 ska vi väva ihop alla dessa steg. Eftersom att strategin vi tittade på hade en snittförlust för de senaste 100 affärerna på 2.95%. Detta innebär att om vi ska riskera 1.55% av vårt kapital (100 000 kr vid start) blir det 1 550 kr. Vilket i sin tur innebär att vi ska köpa för ungefär 52 500 kr (1 550 / 0.0295 = 52 542) varje gång vi handlar. Detta kommer jag fram till genom att ta vad jag riskerar per affär genom snittförlusten.

Som vi kan se innebär detta att vi endast kan ta en affär åt gången. Nu står jag inför valet att köra på detta och låna de andra pengarna jag behöver för att kunna köpa för 52 500 kr varje gång. Detta kan jag göra t.ex. genom att handla med hävstångsprodukter såsom Mini futures eller CFD:er. 

Det andra valet är att minska den risk jag tar vid varje affär. Om jag istället hade riskerat 1% vid varje affär hade jag behövt köpa för 33 900 (1000 / 0,0295 = 33 898). Denna gång kan jag nästan köpa tre affärer samtidigt, alltså om jag ska kunna köra tre affärer samtidigt behöver jag riskera lite mindre än 1% vid varje affär.

Nu måste jag alltså ta valet om det är värt att köra strategin med hävstång eller om jag väljer att riskera lite mindre. Eftersom denna strategi har presterat dåligt på sistone hade jag ju valt att riskera mindre och valt att riskera lite mindre än 1% per affär.

Slutsats

Vi har nu tittat på de steg jag tar för att bestämma hur mycket jag ska riskera. Som jag skrev hade jag valt i detta fall att inte alls köra strategin eftersom den inte ha presterat bra. Om jag hade gjort det hade jag valt att riskera lite mindre än 1% upp till 1.55% per affär.

Om jag jämför detta med om jag inte hade testat på de senaste 100 affärerna utan kört på statistiken från innan slutat av 2018 hade jag istället satsat mellan lite mindre än 1% till 2.4% per affär. Detta hade i sin tur varit på tok för stor risk för hur strategin har presterat på sistone.

Jag har hoppas att detta har givit dig insikt i hur jag går tillväga när jag väljer hur mycket jag ska riskera. Som regel anser jag dock att

Syftet med denna webbplats är att bidra med information och ge min allmänna syn på börsen, index, valutor och råvaror. Det är inte meningen att informationen ensamt ska utgöra underlag eller ses som uppmaningar för köp- och säljbeslut. Informationen är min personliga syn och även om jag anser att de källor och metoder jag använder är tillräckligt tillförlitliga. Nineambell tar inget ansvar för eventuella brister i källmaterialet eller tillförlitligheten i det som erhålls i samband med utnyttjandet utav denna sida. Handel med finansiella instrument innebär alltid en risk. Nineambell svarar inte för eventuella förluster uppkomna genom investeringsbeslut baserade på information från denna webbplats.