Როგორ გამოვიყენოთ სიმულაციები განაკვეთების სისტემების შესამოწმებლად

სიმულაცია საუკეთესო გზაა იმ იდეის შესამოწმებლად, როდესაც ანალიტიკური ფორმულა რთული ან მიუწვდომელია. თქვენ მოდელირებთ იმავე შემთხვევას, რაც თამაშში (RNG), დაიწყებთ ათასობით „ვირტუალურ“ სესიას თქვენი განაკვეთების სისტემით და უყურებთ შედეგების განაწილებას: საშუალო (EV), კვანტური, „დადებითი“ შედეგების სიხშირე, სიღრმე და გახანგრძლივება. ქვემოთ მოცემულია პრაქტიკული ტექნიკა.

1) რის მოდელირება შეგვიძლია

1. თამაში: ერთი ნაბიჯის შედეგების განაწილება (უკანა/ფსონი) - მულტიპლიკატორი (X) კურსზე (0; 0. 2; 1; 5;...) ან მოვლენის მოდელი (მოხვდა/არ მოხვდა, პრემია).

2. სტრატეგია: განაკვეთის ზომისა და გასვლის/პაუზის წესი (flat, პროგრესი, Take Fropit/Stop loss, „შესვენება L-streak- ის შემდეგ“).

3. სესია: ნაბიჯების სიგრძე (N) ან გაჩერების პირობები (Bank Stop loss; მიღწეულია take projit; დროის ზღვარი).

მთავარია: სტრატეგია არ ცვლის შედეგის ალბათობას, ის ცვლის სესიის შედეგის განაწილებას (რისკის პროფილი).

2) სიმულაციის ძირითადი ჩარჩო (ალგორითმი)

1. დაუსვით „განაწილების პასპორტი“ ერთი ნაბიჯისთვის: მნიშვნელობები (x _ j) და მათი ალბათობა (p _ j) (თანხა (p _ j = 1)).

2. დაიწყეთ ბანკი (B _ 0), განაკვეთის ზომა (b _ 1) და მრიცხველები.

3. ნაბიჯისთვის (t = 1... N):

შემთხვევით შეარჩიეთ შედეგი (X _ t) (p _ j).
გამოთვალეთ მოგება (W _ t = b _ t\cdot X _ t), netto (R _ t = W _ t-b _ t).
განაახლეთ ბანკი (B _ t = B _ {t-1} + R _ t).
სტრატეგიის წესების თანახმად, გამოთვალეთ შემდეგი (b _ {t + 1}) და შეამოწმეთ გაჩერების პირობები (გაჩერების ლოსი/ტაქსის პროფილი/შესვენება).
4. შეინახეთ სხდომის მეტრიკა: შედეგი (B _ T-B _ 0), მაქს. მაქს დრავდუნი, სესიის სიგრძე, ბონუსების რაოდენობა/მნიშვნელოვანი ჰიტები.
5. გაიმეორეთ M- ჯერ (მაგალითად, 100,000 სესია). ააშენეთ შედეგების განაწილება.

3) ძირითადი მეტრიკის შეგროვება

EV სესიები: საშუალო შედეგი განაკვეთებში ან ბანკის%.

კვანალი შედეგი: (Q _ {50}), (Q _ {75}), (Q _ {90}), (Q _ {95}).

მიზნების შანსი: (\mathbb {P} (\text {შედეგი }\ge 0%)), (\mathbb {P} (\ge + 20%)).

დანგრევის რისკი: (\mathbb {P} (B _ t\le 0\text {ან\\\le\text {shop-loss})).

Max drawdown: საშუალო და 90-ე percentil სიღრმე და დაცემის ხანგრძლივობა.

ლოდინის ინტერვალები ზღურბლამდე (10 × 10; პრემია): საშუალო და 75-ე Percentil.

მგრძნობელობა: როგორ იცვლება მეტრიკა, როდესაც სესიის განაკვეთი/სიგრძე განსხვავდება.

4) რამდენი პროგონი გჭირდებათ

„სხეულის“ სურათისთვის: M = 10,000 სესია N = 1,000 ნაბიჯი.

მძიმე კუდებისთვის (იშვიათი დიდი მოგება): გაზარდეთ M 100000 + - მდე, ან გამოიყენეთ სტრატიფიკაცია/დამატებითი წერტილოვანი სცენარები (პირობითი სიმულაციები „თუ მოხდა × 200“).

წესი: იხილეთ შეფასების სტაბილურობა - თუ EV/quanilles მნიშვნელოვნად იცვლება, როდესაც M გაორმაგდება, გაზარდეთ M.

5) როგორ შევადაროთ სტრატეგიები სწორად

ზოგადი შემთხვევითი რიცხვები (CRN): მოათავსეთ სტრატეგიები იმავე შემთხვევითი შედეგების თანმიმდევრობით. ასე რომ, თქვენ შეამცირებთ გაფანტვას და შეადარებთ ფსონების ლოგიკას და არა „ხმაურის იღბალს“.

Permutation ტესტი: საშუალო შედეგების სხვაობა (\Delta) A/B სტრატეგიებს შორის - გადატვირთეთ ეტიკეტები „A/B“ და შეხედეთ რამდენად ხშირად (\Delta ^	\ge	\Delta). ეს იძლევა (პ) მნიშვნელობას ნორმალურობასთან დაკავშირებით ვარაუდების გარეშე.
Bootstrap ინტერვალი (\Delta): რამდენჯერმე გადააკეთეთ წყვილი „შედეგი A, შედეგი B“ სესიებზე და მიიღეთ 2. 5–97. მე -5 პროცენტი.

მნიშვნელოვანია: თუ თამაშის მოლოდინი უარყოფითია (RTP <100%), „საუკეთესო“ სტრატეგია განსხვავდება რისკისა და განაწილების ფორმით, ვიდრე მოლოდინის ნიშანი.

6) ამაჩქარებლები და მოდელირების ტექნიკა

საერთო რიცხვების (CRN) ცვალებადობა შედარებისთვის.

ანტიტეტიკური ნიმუშები: გამოიყენეთ წყვილი (U) და (1-U) შეფასების დისპერსიის შესამცირებლად.

კუმულატორების ქეშირება: შეინახეთ CuMP და ორობითი ძებნა/ძებნა „-“ სწრაფი მაპინგისთვის (U\X).

კალათის კომბინაცია: ზუსტი (x _ j) ნაცვლად, დააკავშიროთ გადახდები 4-6 ინტერვალით - სიჩქარის მკვეთრი მატება თითქმის უცვლელი რისკის სურათით.

მარკოვის სახელმწიფოები sticky მექანიკისა და ბონუსების კიბეებისთვის: შეინახეთ მდგომარეობა, გადასვლები, მყისიერი ჯილდო.

7) რა არის სტრატეგიის „წარმატება“?

წინასწარ დააფიქსირეთ კრიტერიუმი: მაგალითად,

„საშუალო შემცირება 150 განაკვეთი“ და „დასრულების შანსი 0% -დან 40% -მდე 1000 სპინისთვის“, ან „90-ე percentil percentil 300 განაკვეთი EV- ით არ არის უარესი ბანკის − 5% -ზე“.

კრიტიკის გარეშე, ნებისმიერი სტრატეგია იპოვის „ლამაზ ფანჯარას“.

8) ტიპიური ექსპერიმენტები

Flat vs პროგრესირება (Martingale, d'Alember, ჰიტის მშენებლობა): შეადარეთ EV, (Q _ {90), დანგრევის რისკი, „უდაბნოების“ სიგრძე.

Take-profit/stop-loss: შეაფასეთ „ადრეული გამოშვების“ სიხშირე და გამოტოვებული კუდის ფასი.

სესიის სიგრძე: როგორ იცვლება შანსი 0% -დან 200-დან 2,000 სპინამდე.

ბონუსის შეძენა: (EV _ {\\tex {net} =\mathbb {E} [X] -C), თუ როგორ იზრდება დისპერსია და დანგრევის რისკი.

განაკვეთის ზომა, როგორც ბანკის წილი: შეარჩიეთ (f) 95-ე percentil percentil.

9) ტიპიური შეცდომები და როგორ მოვერიდოთ მათ

შემდგომი ფაქტური რბოლა: შეცვალეთ სტრატეგია „მიმდინარეობის“ სიმულაციისთვის. წინასწარ შეადგინეთ წესები.

სხვადასხვა RTP ვერსიების/სლოტების შერევა ერთ მოდელში.

მცირე M მძიმე კუდებითა და ილუზიით, „სტრატეგია გადაათრიეს“.

შედარება სხვადასხვა „ხმაურზე“ (CRN- ის გარეშე) - განსხვავება ხშირად ფანტომია.

გაჩერება „წარმატებისთვის“ - ტესტი „პირველ პლუსამდე“ ამახინჯებს განაწილებას.

დროის/პაუზის უგულებელყოფა - არ არსებობს ექსპოზიციის რეალისტური შეზღუდვები.

10) მინი-ფსევდოკოდი (გასაგებია ენის გარეშე)


შეყვანა: განაწილება {x _ j, p _ j}, B0 ბანკი, კურსი b0, N, სტრატეგიის წესები S
მ ერთხელ:
B:= B0; b:= b0; peak:= B; MaxDD: = 0 t = 1.. N:
x: = შემთხვევა {x _ j, p _ j}
win:= b x
B:= B + (win - b)
peak:= max(peak, B); maxDD:= max(maxDD, peak - B)
თუ S პირობებს პაუზა/ფეხი სჭირდება, b: = წესი _ შემდეგი _ განაკვეთი (B, ისტორია, S)
თუ b = 0 - გასვლა (სესია შეჩერებულია)
შეინახეთ შედეგი (B-B0), maxDD, სიგრძე, განაწილების შეგროვების სხვა მეტრიკა, EV, კვანძი, სტრატეგიების შედარებისას რისკი - იგივე x (CRN) გამოყენება

11) როგორ შევადგინოთ შედეგები (ანგარიშის შაბლონი)

თამაში/RTP ვერსია/ნაბიჯის განაწილება: მოკლე აღწერა ან კალათების ცხრილი

სტრატეგია: A (flat), B (პროგრესი k =...), გამოსვლის წესები

სიმულაციის პარამეტრები: N =..., M =..., CRN = დიახ, ანტიტეტიკური = დიახ/არა

EV (სესიების საშუალო): A...% (IQR... -...%); B …% (IQR …–…%)

ფინიშის ხაზის შანსი 0 %/, + 20%: A .../...; B …/…

Max drawdown (საშუალო/90-ე Percentil): A .../... განაკვეთები; B …/… განაკვეთები

„უდაბნოების“ სიგრძეა 10 (საშუალო/75-ე პერცენტილი): A .../... უკანა; B …/…

განსხვავება A - B: (\დელტა) EV... გვ.; bootstrap 95% DI [...;...]; permutation (p =)...

დასკვნა: რომელი სტრატეგია იძლევა მისაღები რისკის პროფილს თქვენი მიზნებისათვის; შეზღუდვები და რეკომენდაციები.

12) მნიშვნელოვანი შეხსენებები

სიმულაციები არ ხდის უარყოფით მოლოდინს დადებითად; ისინი აჩვენებენ რისკის ფასს და წესების სტაბილურობას.

უყურეთ quantilles და pubes, და არა მხოლოდ საშუალო: მოთამაშე ცხოვრობს საშუალო და „ცუდი დღეების“ დროს და არა მოლოდინში.

ექსპერიმენტის პატიოსნება უფრო მნიშვნელოვანია, ვიდრე შედეგი: წინასწარ ჩაწერეთ კრიტერიუმები, გამოიყენეთ CRN და აჩვენეთ გაურკვევლობის ინტერვალები.

შედეგი: მონტე კარლოს სწორად დაყენებული სიმულაცია „რწმენას სტრატეგიად“ აქცევს გადამოწმებულ რიცხვებად: EV, მიზნების შანსს, ჩაძირვას და დანგრევის რისკს. ეს საშუალებას გაძლევთ შეადაროთ განაკვეთების სისტემები შედეგების განაწილების ხარისხზე და მიიღოთ გადაწყვეტილებები რაციონალურად - სანამ რეალურ ფულს რისკავს.