इक्विटी कर्व / मोंटे कार्लो सिम्युलेटर — मुफ्त

आपकी रणनीति की जीत दर 58% है और लाभ कारक 1.7 है। कागज पर यह ठीक लगता है। लेकिन अगर आप उन्हीं 200 ट्रेडों को एक अलग क्रम में पुनर्व्यवस्थित करते हैं, तो कितने अनुक्रमों ने ट्रेड 100 से पहले आपके खाते को मिटा दिया होगा? यही वह सवाल है जिसका जवाब मोंटे कार्लो सिमुलेशन देता है — और यदि आपने अपने इक्विटी कर्व पर कभी इसे नहीं चलाया है, तो आप अधूरी जानकारी पर जोखिम संबंधी निर्णय ले रहे हैं।

मोंटे कार्लो सिमुलेशन वास्तव में ट्रेडर्स के लिए क्या करता है

मूल विचार सरल है: ट्रेड परिणामों का एक निश्चित सेट लें (आपके लाभ, हानि और उनके आकार), क्रम को हजारों बार यादृच्छिक करें, और प्रत्येक सिम्युलेटेड रन में खाते के साथ क्या होता है, इसे रिकॉर्ड करें। 5,000 या 10,000 पुनरावृत्तियों के बाद, आपको संभावित इक्विटी पथों का वितरण मिलता है — सर्वोत्तम स्थिति, सबसे खराब स्थिति और बीच की हर चीज़।

ट्रेडर्स आमतौर पर उन परिणामों से तीन चीजों की परवाह करते हैं। पहला, सभी सिम्युलेटेड पथों में अधिकतम ड्रॉडाउन — न केवल वह जो आपने वास्तव में अनुभव किया, बल्कि सबसे खराब जो समान ट्रेड परिणाम उत्पन्न कर सकते थे। दूसरा, किसी दिए गए ड्रॉडाउन सीमा (जैसे, आपके खाते का 20% खोना) पर बर्बादी की संभावना। तीसरा, अंतिम इक्विटी की सीमा, जो आपको बताती है कि आपका वास्तविक प्रदर्शन कितना दोहराने योग्य एज है बनाम अनुक्रम भाग्य।

यह बैकटेस्टिंग नहीं है। आप बाजार डेटा को दोबारा नहीं चला रहे हैं। आप पहले से सिद्ध परिणामों के एक सेट का तनाव-परीक्षण कर रहे हैं ताकि यह समझ सकें कि अंतर्निहित एज कितना नाजुक या टिकाऊ है।

मुफ्त मोंटे कार्लो सिमुलेशन मैन्युअल रूप से चलाना (और इनपुट क्यों मायने रखते हैं)

ऑनलाइन मुफ्त मोंटे कार्लो सिमुलेशन टूल की कोई कमी नहीं है — एक बुनियादी स्प्रेडशीट यह कर सकती है। मैन्युअल सिमुलेशन की संरचना है:

1. अपने ट्रेड रिटर्न को R-मल्टीपल के रूप में सूचीबद्ध करें (जैसे, +1R, +2.3R, -1R, -0.5R)।
2. उस सूची को फेरबदल करने के लिए रैंडम-नंबर फ़ंक्शन का उपयोग करें।
3. उस फेरबदल किए गए अनुक्रम के लिए चालू इक्विटी कर्व की गणना करें।
4. उस फेरबदल को 1,000–10,000 बार दोहराएं।
5. प्रत्येक रन के लिए अधिकतम ड्रॉडाउन और अंतिम इक्विटी रिकॉर्ड करें।

एक काम किए गए उदाहरण में गणित: मान लीजिए आपके पास 50 ट्रेड हैं — 29 विजेता औसत +1.2R और 21 हारे औसत -1R। जीत दर 58% है (29 ÷ 50)। लाभ कारक (29 × 1.2) ÷ (21 × 1.0) = 34.8 ÷ 21.0 = 1.657, इसे 1.66 कहें। अपेक्षा (0.58 × 1.2) + (0.42 × -1.0) = 0.696 − 0.420 = +0.276R प्रति ट्रेड है। यह एक वास्तविक सकारात्मक एज है। लेकिन वही 50 ट्रेड अपने सबसे अशुभ अनुक्रम में फेरबदल किए जाने पर ठीक होने से पहले 14R का ड्रॉडाउन उत्पन्न कर सकते हैं — यदि आप प्रति ट्रेड 2% जोखिम उठा रहे हैं तो लगभग 28% खाते पर प्रभाव। एक मोंटे कार्लो रन उस संभावना को सतह पर लाता है ताकि यह आपको रन के बीच में आश्चर्यचकित न करे।

वे संख्याएं केवल तभी मायने रखती हैं जब इनपुट ईमानदार हों। अनुमानित या चेरी-पिक किए गए ट्रेड डेटा पर बनाया गया सिम आपको सुरक्षा की झूठी भावना देगा। यह वह जगह है जहां सटीक, पूर्ण ट्रेड इतिहास होना सिमुलेशन टूल से अधिक मायने रखता है।

ऑनलाइन अधिकांश मुफ्त मोंटे कार्लो सिमुलेटर के साथ समस्या

ऑनलाइन मिलने वाले अधिकांश मुफ्त मोंटे कार्लो सिमुलेशन टूल आपको जीत दर और औसत R टाइप करने के लिए कहते हैं। यह एक मोटी जांच के लिए ठीक है, लेकिन यह दो चीजों को समतल करता है जो मायने रखती हैं: आपके विजेताओं और हारे हुए लोगों का वितरण, और विभिन्न बाजार स्थितियों में आपकी जीत दर की स्थिरता।

एक रणनीति जिसमें विजेता +0.8R और +1.4R के बीच क्लस्टर करते हैं, उन लोगों से बहुत अलग व्यवहार करती है जिनमें अधिकांश विजेता +0.5R पर और कभी-कभी +4R आउटलायर होते हैं — भले ही औसत समान हो। और एक ट्रेडर जो लंदन सत्र सेटअप पर 62% जीतता है लेकिन न्यूयॉर्क ओवरलैप के दौरान केवल 44% जीतता है, उसका जोखिम प्रोफ़ाइल उनके मिश्रित 55% जीत दर से बहुत अलग है।

आपका ट्रेड डेटा जितना अधिक विस्तृत होगा, आपके मोंटे कार्लो इनपुट उतने ही ईमानदार होंगे। सेटअप, सत्र, इंस्ट्रूमेंट द्वारा फ़िल्टर करना — इस तरह का विभाजन एक सामान्य सिमुलेशन को कुछ ऐसा बनाता है जो आपके वास्तविक एज को दर्शाता है, न कि इसका एक चिकना अनुमान।

आपका ट्रेडिंग जर्नल इक्विटी कर्व तनाव-परीक्षण से कैसे जुड़ता है

यह वह जगह है जहां जर्नलिंग एक रिकॉर्ड-कीपिंग अभ्यास नहीं रह जाती है और एक विश्लेषणात्मक बन जाती है।

यदि आपने प्रत्येक ट्रेड को सेटअप टैग, सत्र टैग और सटीक प्रवेश/निकास मूल्यों के साथ लॉग किया है, तो आप विशिष्ट स्थितियों के लिए फ़िल्टर की गई R-मल्टीपल सूचियां निकाल सकते हैं। यह आपको अपने ट्रेडिंग के विभिन्न उपसमुच्चय के लिए अलग-अलग मोंटे कार्लो सिमुलेशन चलाने की अनुमति देता है — उदाहरण के लिए, आपके A-सेटअप ट्रेड बनाम आपके B-सेटअप ट्रेड, या आपके उच्च-अस्थिरता-सत्र ट्रेड बनाम आपके धीमे-सत्र ट्रेड। आप पा सकते हैं कि आपका A-सेटअप इक्विटी कर्व 5,000 सिमुलेशन में अत्यधिक टिकाऊ है, जबकि आपका B-सेटअप कर्व 30% रन में 25% ड्रॉडाउन सीमा को तोड़ देता है। यह एक कार्रवाई योग्य निष्कर्ष है।

एडगेलॉग अपने मुफ्त जर्नल के हिस्से के रूप में जीत दर, लाभ कारक, अपेक्षा, और प्रति-जोड़ी और प्रति-सेटअप ब्रेकडाउन ट्रैक करता है — आप बिना कुछ भुगतान किए या ट्रेड कैप हिट किए अपना इक्विटी कर्व, अपना ड्रॉडाउन चार्ट और अपना दैनिक पीएल कैलेंडर देख सकते हैं। इसमें एक अंतर्निहित मोंटे कार्लो सिम्युलेटर नहीं है (यह एक उपकरण है जिस पर हम काम कर रहे हैं), लेकिन आप अपने जर्नल से जो R-मल्टीपल डेटा निकालते हैं, वह ठीक वही है जो आप स्प्रेडशीट सिम या ऑनलाइन मुफ्त मोंटे कार्लो सिमुलेशन टूल में पेस्ट करते हैं।

यदि आप उस डेटा का निर्माण शुरू करना चाहते हैं, तो एडगेलॉग पर एक मुफ्त जर्नल की कोई लागत नहीं है और यह एडगेलॉगसिंक ईए के माध्यम से MT4/MT5 से या बिनेंस, बायबिट और OKX से केवल-पढ़ने के लिए API कुंजियों के माध्यम से स्वचालित रूप से सिंक होता है। भुगतान करने के लिए कुछ भी नहीं, कोई परीक्षण अवधि नहीं।

परिणामों के साथ वास्तव में क्या करें

एक बार जब आप एक सिमुलेशन चला लेते हैं, तो यहां देखने के लिए क्या है:

• 5वां प्रतिशतक अधिकतम ड्रॉडाउन — आपके 95% सिम्युलेटेड पथों में सबसे खराब ड्रॉडाउन परिणाम। अपने खाते को जोखिम में डालें जैसे कि यह संख्या वास्तविक है, क्योंकि यह हो सकती है।
• बर्बादी की संभावना — कितने पथ आपकी व्यक्तिगत "मैं इस रणनीति को ट्रेड करना बंद कर दूंगा" ड्रॉडाउन सीमा को हिट करते हैं। यदि यह 5-10% रन से अधिक है, तो आपका पोजीशन साइज़िंग आपके पास मौजूद एज के लिए आक्रामक है।
• अंतिम इक्विटी स्प्रेड — यदि आपके 10वें और 90वें प्रतिशतक अंत के बीच का अंतर बहुत बड़ा है, तो आपके वास्तविक रिटर्न का एक बड़ा हिस्सा कौशल-निर्भर के बजाय अनुक्रम-निर्भर है। यह रणनीति छोड़ने का कारण नहीं है, लेकिन यह रूढ़िवादी रूप से आकार देने का एक कारण है।

एक मोंटे कार्लो सिम आपको यह नहीं बताता कि आपका एज वास्तविक है या नहीं। यह आपको बताता है कि क्या आपका जोखिम प्रबंधन उस भिन्नता से बचने के लिए पर्याप्त मजबूत है जो एक वास्तविक एज अभी भी पैदा करता है। ये अलग-अलग प्रश्न हैं, और दोनों मायने रखते हैं।

सिमुलेशन को चलाने लायक बनाना

मोंटे कार्लो विश्लेषण के साथ ट्रेडर्स की सबसे बड़ी गलती यह है कि वे इसे मोटे नंबरों के साथ एक बार चलाते हैं, आश्वस्त महसूस करते हैं, और फिर कभी इसकी समीक्षा नहीं करते। आपका एज बहता है। बाजार की स्थितियां बदलती हैं। एक रणनीति जिसने 2022 के डेटा पर मोंटे कार्लो तनाव-परीक्षण पास किया, वह 2024 के डेटा पर बहुत अलग दिख सकती है यदि स्प्रेड की स्थिति या अस्थिरता प्रोफाइल बदल गई हो।

अपने वास्तविक लॉग किए गए परिणामों का उपयोग करके हर 100-200 ट्रेडों पर एक नया सिमुलेशन चलाएं, मूल बैकटेस्ट डेटा नहीं। आपका जर्नल इसे संभव बनाता है — यदि आप लगातार लॉगिंग कर रहे हैं, तो आपके पास हमेशा काम करने के लिए एक अद्यतित R-मल्टीपल श्रृंखला होती है। प्रत्येक सिम रन से पहले बेसलाइन सैनिटी चेक के रूप में अपने लाभ कारक और जीत दर की जांच करें, ताकि आप एक सिमुलेशन में गिरावट वाले एज डेटा को नहीं खिला रहे हों और आउटपुट को रणनीति अभी भी धारण करने की पुष्टि के रूप में गलत पढ़ रहे हों।

जिन ट्रेडर्स को मैंने उन रणनीतियों पर खाते उड़ाते देखा है जिन्हें वे जानते थे लाभदायक थीं, उन्होंने लगभग हमेशा इस चरण को छोड़ दिया। एज ठीक था। अनुक्रम जोखिम, एक खराब रन के लिए कोई जगह नहीं छोड़ने वाले आकार के साथ, उन्हें समाप्त कर दिया। एक मुफ्त मोंटे कार्लो सिमुलेशन आपको कुछ भी गारंटी नहीं देगा — लेकिन यह आपको दिखाएगा कि आपके पास कितनी जगह नहीं है।

उस ट्रेड डेटा को लॉग करना शुरू करें जो एक सिमुलेशन को चलाने लायक बनाता है: एडगेलॉग पर मुफ्त ट्रेडिंग जर्नल।