ตัวชี้วัด กลยุทธ์การซื้อขาย

ตัวชี้วัดการค้า - วิธีการวัดความสำเร็จของการค้าของคุณ หลังจากที่คุณได้รับการซื้อขายในช่วงเวลาหนึ่งของเวลาการบันทึกการซื้อขายของคุณและสร้างบันทึกการติดตามผลการดำเนินงานที่คุณพร้อมที่จะประเมินผลลัพธ์ของคุณ แต่อย่างไรคุณกำหนด & ldquo; ระบบการซื้อขายที่ดี & rdquo; เทียบกับ & ldquo; ระบบการซื้อขายที่ไม่ดี & rdquo ;? และวิธีการที่คุณสามารถแสดงผลลัพธ์ของคุณเพื่อที่จะดึงดูดเงินทุนหรือลงทุน? หลายคนก็มองไปที่กำไรสุทธิสมมติว่าระบบที่มีกำไรมากขึ้นจะต้องดีกว่าระบบ มันก็เหมือนกับการแพทย์กล่าวว่า & ldquo; คนนี้ดูมีสุขภาพดีกว่าต่อไป & rdquo; โดยไม่ต้องทำทดสอบที่เหมาะสม ในบทความนี้เราจะสำรวจตัวชี้วัดที่เป็นของแข็งบางอย่างที่จะประเมินผลการค้าของคุณที่สามารถบอกคุณมากขึ้นเกี่ยวกับการซื้อขายของคุณมากกว่าอัตรากำไรเพียงสามารถ 1. ทำไมเราต้องวัดประสิทธิภาพ? ลองจินตนาการถึงความต้องการที่จะจัดสรรเงินทุนเพื่อผู้ประกอบการที่มีกลยุทธ์การพิสูจน์ คุณมีผู้ค้าจำนวนมากที่จะเลือกจากที่แตกต่างกันและการค้าหลาย ldquo; ระบบ & rdquo; พวกเขาได้สร้าง ซึ่งหนึ่งคุณจะเลือก? ไม่มีคะแนนหนึ่งเดียวที่คุณสามารถใช้ที่จะทำงานให้ทุกคนตั้งแต่เราทุกคนมีความคลาดเคลื่อนความเสี่ยงที่ไม่ซ้ำกันและความหมายในสิ่งที่เราพิจารณาซื้อขายคือ ในทำนองเดียวกันไม่ได้ทั้งหมดระบบการให้คะแนนมีค่าเท่ากันหรือดำเนินการในทุกสถานการณ์ แต่มีตัวชี้วัดประสิทธิภาพของระบบที่สำคัญที่คุณควรใช้ในระหว่างขั้นตอนการพัฒนาระบบและเป็นความคืบหน้าคุณเป็นผู้ประกอบการที่จะแสดงข้อมูลเพิ่มเติมเกี่ยวกับการค้าของคุณมักจะอยู่ในวิธีที่มีความเสี่ยงปรับ ผลกำไรขนาดใหญ่สะสมโดยการเสี่ยงพอ ๆ กันหรือมีขนาดใหญ่จะไม่เป็นที่พอใจเป็นกำไรเล็ก ๆ น้อย ๆ โดยการสะสมความเสี่ยงที่มีขนาดเล็ก นอกจากนี้ผลกำไรที่มีขนาดใหญ่ผสมกับความสูญเสียที่มีขนาดใหญ่เป็นที่พอใจน้อยกว่าชิงช้า PL มั่นคงเล็กน้อย นี่คือสิ่งที่เราต้องการวัด: วิธีที่สอดคล้องกันเราอยู่ที่การรับความเสี่ยงที่ก่อให้เกิดผลตอบแทนที่เท่ากันหรือใหญ่กว่า ตัวชี้วัดที่เราจะไปสำรวจในบทความนี้คือ: c) Sortino อัตราส่วน ตัวชี้วัดประสิทธิภาพที่สำคัญอีกประการหนึ่งคือความคาดหวังของระบบที่เราได้กล่าวถึงในบทความก่อนหน้า 2. อะไรคือสิ่งที่ค่าเบี่ยงเบนมาตรฐาน? ส่วนเบี่ยงเบนมาตรฐานเป็นตัวชี้วัดของการกระจายทางสถิติ ในภาษาอังกฤษธรรมดามันเป็นวิธีของการอธิบายวิธีการที่แผ่ออกมาจากชุดของค่าอยู่ที่ประมาณค่าเฉลี่ยของชุดข้อมูลที่ ตัวอย่างเช่นถ้าคุณมีชุดของผลลัพธ์การค้า (ในแง่ PL% หรือแง่ R) คุณสามารถทำงานออกค่าเฉลี่ย (เพียงสรุปค่าทั้งหมดแล้วหารด้วยจำนวนของธุรกิจการค้า) แต่รู้ว่าหมายถึง (หรือเฉลี่ยที่มันเรียกว่ามากกว่าปกติ) ไม่ได้บอกอะไรเกี่ยวกับวิธีการที่เป็นระเบียบที่มีผล มีการซื้อขายทั้งหมดของคุณมากหรือน้อย 2R? คุณมี 3-4R ธุรกิจการค้าและการสูญเสีย 1-2R? คุณมี 10R ธุรกิจการค้าและการสูญเสีย 10R? คุณสามารถมีเหมือนกันเฉลี่ย PL ที่มีลักษณะการกระจายแตกต่างกันมาก ดูกราฟด้านล่าง ในกราฟข้างต้นเรามี 2 กระจายตัวอย่างสมมุติต่อ / ชุดลิตร ในแกน X เราจะดูทั้งหมดได้รับ $ / หายไปที่ธุรกิจการค้าที่มีประสบการณ์จากการสูญเสียที่ใหญ่ที่สุดเพื่อผลกำไรที่ใหญ่ที่สุด บนแกน Y เราจะมีจำนวนการซื้อขายที่มีผลอย่างใดอย่างหนึ่งที่เหมือนกัน สิ่งที่กราฟจะบอกเราเห็นก็คือว่าแม้ว่าทั้งสองผู้ประกอบการค้ามีผลการดำเนินงานเฉลี่ยเท่ากับ (ค่าเฉลี่ย) ผู้ประกอบการแสดงด้วยการกระจาย P / L สีแดงได้มีการแพร่กระจายกว้างมากของผลตอบแทน เขามีการสูญเสียขนาดใหญ่และขนาดใหญ่กว่ากำไรที่ผู้ประกอบการแสดงด้วยการกระจายสีฟ้า สิ่งที่เราจะพบคือค่าเบี่ยงเบนมาตรฐานของการกระจายสีแดงจะสูงกว่าการจัดจำหน่ายสีฟ้า เราต้องการที่จะซื้อขายที่มีค่าเบี่ยงเบนมาตรฐานมีขนาดเล็กรอบผลตอบแทนเ​​ฉลี่ยของเรา ฉันจะคำนวณอย่างไร แนวคิดพื้นฐานของค่าเบี่ยงเบนมาตรฐานคือคุณวัดการเปลี่ยนแปลงรอบค่าเฉลี่ย บางส่วนของค่าเหล่านั้นจะต่ำกว่าค่าเฉลี่ยบางข้างต้นและบางครั้งคุณจะมีบางอย่างที่จะเท่ากับค่าเฉลี่ย ในคำอื่น ๆ บางส่วนของความแตกต่างระหว่างการวัดของแต่ละบุคคลจะเป็นบวก (มากกว่าค่าเฉลี่ย) บางจะเป็นค่าลบ (ต่ำกว่าค่าเฉลี่ย) และบางส่วนจะเป็นศูนย์ (โดยตรงเท่ากับค่าเฉลี่ย) ตอนนี้เพียงแค่เพิ่มความแตกต่างเหล่านี้จะไม่ได้ผลเพราะค่าบวกและลบจะยกเลิกแต่ละออกอื่น ๆ ตัวอย่างเช่นในการใช้เป็นกรณีที่ง่ายอย่างไม่น่าเชื่อ: ถ้าคุณได้มีการซื้อขายที่สองให้ $ 100 กำไรและ $ 50 กำไรเฉลี่ยเท่ากับ ((100 + 50) / 2) = 75 $ ความแตกต่าง [(100-75) = 25] และ [(50-75) = -25] เพิ่มเหล่านี้ร่วมกันทำให้เรามีการเปลี่ยนแปลงโดยรวมของ 0 แต่เรารู้ว่ามีไม่เป็นศูนย์การเปลี่ยนแปลงรอบค่าเฉลี่ยที่! ดังนั้นเพื่อให้ได้แก้ไขปัญหานี้ในแต่ละรูปแบบที่อยู่รอบ ๆ หมายถึงมีการยกกำลังสอง เมื่อคุณตารางเป็นค่าลบคุณจะได้รับค่าบวก ดังนั้นเพื่อให้ผลงานออกมาเบี่ยงเบนมาตรฐานที่เราทุกตารางของความแตกต่างจากค่าเฉลี่ยเพิ่มพวกเขาทั้งหมดขึ้นและหารด้วยหนึ่งน้อยกว่าจำนวนของค่าที่อยู่ในชุดของเรา หมายเลขใหม่ที่เรียกว่าความแปรปรวน ตอนนี้เราจะใช้รากที่สองของความแปรปรวน (ซึ่งก็คือการย้อนกลับของ squaring ที่เราทำก่อนหน้านี้เพื่อให้จำนวนของเราจะอยู่ใกล้กับความแตกต่างเดิม) และที่ค่าเบี่ยงเบนมาตรฐาน นี่คือตัวอย่างของวิธีการที่คุณสามารถคำนวณฟังก์ชั่น (St. Dev หรือ Dev. St ใน Excel หรือ OpenOffice) ที่ใช้งาน: ที่ด้านล่างที่ผมยังได้เพิ่มการคำนวณอื่น: ค่าสัมประสิทธิ์ของการเปลี่ยนแปลง วัดนี้เป็นส่วนเบี่ยงเบนมาตรฐานหารด้วยค่าเฉลี่ย P / L และเป็นพื้น & ldquo; เสียงสัญญาณ & rdquo; อัตราส่วน มันจะแสดงวิธีการที่ดีพีเฉลี่ยของคุณ / ลิตรสามารถคาดการณ์ผลการดำเนินงานในอนาคตของคุณ ค่าปิดหรือด้อยกว่า 1 เป็นสิ่งที่คุณควรจะมุ่งสำหรับ เอะอะเกี่ยวกับ 'การกระจายปกติ' ในสถิติคืออะไร? หากตั้ง P / L ของคุณเป็น & ldquo; กระจายตามปกติ & rdquo; . ในคำอื่น ๆ ที่คุณมีข้อมูลมากที่สุดใกล้ค่าเฉลี่ยและไกลออกไปที่คุณได้รับจากการวัดหมายถึงคุณมีน้อยลงแล้วค่าเบี่ยงเบนมาตรฐานช่วยให้คุณมีข้อมูลเพิ่มเติม: & middot; รอบ 68% ของข้อมูลภายในหนึ่งเบี่ยงเบนมาตรฐานของค่าเฉลี่ย & middot; รอบ 95% ของข้อมูลภายในสองค่าเบี่ยงเบนมาตรฐานของค่าเฉลี่ย & middot; รอบ 99% ของข้อมูลภายในสามค่าเบี่ยงเบนมาตรฐานของค่าเฉลี่ย ดังนั้นการใช้ค่าจากข้างต้นถ้าค่าเฉลี่ย P / L 23 และส่วนเบี่ยงเบนมาตรฐานคือ 25 คุณสามารถคาดหวังที่จะเห็นประมาณ 68% ของค่าในช่วง -2 ถึง 48, และ 95% จะอยู่ในช่วง -27 73. การและอะไรด้านล่าง -27 หรือสูงกว่า 73 เป็นไปได้ยากมาก (สีดำพื้นที่หงส์) สับสนระหว่างค่าเฉลี่ยส่วนเบี่ยงเบนแน่นอนและส่วนเบี่ยงเบนมาตรฐาน บางแพคเกจรวมถึงการสร้างแผนภูมิ & ldquo; ส่วนเบี่ยงเบนมาตรฐาน & rdquo; ตัวบ่งชี้ เราไม่ควรจะสับสนวัดนี้มีค่าเบี่ยงเบนมาตรฐานเรากำลังพูดถึงในบทความนี้ ที่จะบอกว่า & ldquo; ย้ายสินทรัพย์เฉลี่ย 1% ในวันค่าสัมบูรณ์ & rdquo; จะแตกต่างจากการพูด & ldquo; ค่าเบี่ยงเบนมาตรฐานของสินทรัพย์ที่เป็น 1% & rdquo ;. มีความสับสนมากในอุตสาหกรรมการเงินในประเด็นนี้และ Nassim Taleb ได้เขียนจริงเขียนเรียงความสั้น ๆ เกี่ยวกับเรื่องนี้กลับไปในปี 2007 ถ้าเครื่องมือมีค่าเบี่ยงเบนมาตรฐานประจำวันของ 1% ก็ไม่ได้ย้ายโดยเฉลี่ย 1% ต่อวัน ใน & ldquo; กระจายปกติ & rdquo ;, อัตราส่วนของส่วนเบี่ยงเบนมาตรฐานหมายถึงค่าความเบี่ยงเบนแน่นอนคือ 1.25 ดังนั้นหากค่าเบี่ยงเบนเฉลี่ย 1% แล้วส่วนเบี่ยงเบนมาตรฐานคือ 1.25% หากค่าเบี่ยงเบนมาตรฐานคือ 1% ค่าเฉลี่ยส่วนเบี่ยงเบนคือ 0.8% นอกจากนี้เมื่อ annualizing ค่าเบี่ยงเบนมาตรฐานของชุดข้อมูลใด ๆ โดยเฉพาะอย่างยิ่งอย่าลืมคูณด้วยรากที่สองของเวลาดังนั้นสำหรับ annualizing มาตรการส่วนเบี่ยงเบนมาตรฐานในชีวิตประจำวันให้แน่ใจว่าจะคูณด้วยรากที่สองของ 365 นอกจากนี้ค่าเบี่ยงเบนมาตรฐานของเครื่องมือบางอย่างที่จะเพิ่มขึ้น / ลดลงสอดคล้องกับมูลค่าของตราสาร ค่าเบี่ยงเบนมาตรฐานของแอปเปิ้ลหรือ Google จะแตกต่างกันมากกว่าเบี่ยงเบนมาตรฐานของ EURUSD ดังนั้นมันจะมีประโยชน์ในการแบ่งส่วนเบี่ยงเบนมาตรฐานโดยราคาของการรักษาความปลอดภัยในการสั่งซื้อที่จะได้รับการอ่านร้อยละที่จะทำให้การเปรียบเทียบไปได้ผ่านสินทรัพย์ต่างๆ ในที่สุดส่วนเบี่ยงเบนมาตรฐานจะเรียกว่า & ldquo; ผันผวน & rdquo; และคุณมักจะพบว่ามันอ้างว่าเป็น & ซิก ;. 3. อัตราชาร์ป ตอนนี้เราเข้าใจแนวคิดที่สำคัญของค่าเฉลี่ย (โดยเฉลี่ย) และความผันผวน (และซิก;) เราสามารถดำเนินการในการคำนวณความเสี่ยงอื่น ๆ ที่ใช้ตัวชี้วัดเดียวกัน ใกล้กับ 50 ปีที่ผ่านมาดับเบิลยูชาร์ป [1966] แนะนำตัวชี้วัดการปฏิบัติงานของกองทุนรวมและนำเสนอคำว่า & ldquo นั้นอัตราส่วนผลตอบแทนต่อการแปรปรวน & rdquo; ที่จะอธิบายมัน ในขณะที่วัดได้รับความนิยมมากชื่อไม่ได้ ระยะ & ldquo; อัตราส่วนชาร์ป & rdquo; ได้กลายเป็นที่นิยมมากที่สุด (Morningstar [1993 พี. 24]) อัตราส่วนชาร์ปจะถูกสร้างขึ้นดังต่อไปนี้: R = ฟุตการกลับมาของผู้ประกอบการในช่วงเวลาที R = บาทผลตอบแทนจากการมาตรฐานในการยืดระยะเวลาซึ่งมัก & ldquo; เสี่ยงฟรี & rdquo; อัตราผลตอบแทน (เช่นการกลับมาให้บริการตามพันธบัตรรัฐบาล) เช่น D t = R ฟุต - R บาท D t = ผลตอบแทนที่แตกต่างกันในช่วงเวลาที แล้วคำนวณค่าเฉลี่ยของ D ตัน (ซึ่งเราจะเรียก AvgD) ในช่วงประวัติศาสตร์จาก t = 1 ผ่าน T และค่าเบี่ยงเบนมาตรฐานของ D ตัน (ซึ่งเราเรียกและซิก; D) ในช่วงเวลาประวัติศาสตร์ ณ จุดนี้เราสามารถคำนวณอัตราส่วนชาร์ป: ชาร์ปอัตราส่วน = AvgD / และซิก; D อัตราส่วนผลตอบแทนที่แสดงให้เห็นความแตกต่างเฉลี่ยประวัติศาสตร์ต่อหน่วยของประวัติศาสตร์ความแปรปรวนของผลตอบแทนที่แตกต่างกัน มันเป็นเรื่องง่ายในการคำนวณอัตราส่วนชาร์ปใช้ Excel หรือ OpenOffice ผลตอบแทนของผู้ประกอบการค้ามีการระบุไว้ในคอลัมน์และของมาตรฐานที่ต้องการในคอลัมน์ถัดไป ความแตกต่างจะคำนวณในคอลัมน์ที่สาม ฟังก์ชั่นมาตรฐานที่ใช้ในการคำนวณแล้วส่วนประกอบของอัตราส่วน ตัวอย่างเช่นถ้าผลตอบแทนที่แตกต่างกันอยู่ในเซลล์ C1 ผ่าน C10, สูตรจะให้อัตราการใช้ Excel ชาร์ป: เฉลี่ย (C1: C10) / STDEV (C1: C10) สูงกว่าอัตราส่วนชาร์ปผู้ประกอบการค้าที่ดีกว่าผลตอบแทนของเขาได้รับเมื่อเทียบกับจำนวนของความเสี่ยงที่เขาได้ดำเนินการ ในทางกลับกันที่สูงกว่าค่าเบี่ยงเบนมาตรฐานของผู้ประกอบการค้าที่สูงกว่าผลตอบแทนของเขาจะต้องมีการที่จะได้รับสูงอัตราส่วนชาร์ป ตรงกันข้ามกับผู้ประกอบการค้าที่ต่ำกว่าค่าเบี่ยงเบนมาตรฐานสามารถมีอัตราส่วนชาร์ปที่สูงขึ้นถ้าพวกเขามีผลตอบแทนที่ดีอย่างต่อเนื่อง เก็บไว้ในใจว่าแม้ว่าอัตราส่วนชาร์ปสูงแสดงให้เห็นผลการดำเนินงานความเสี่ยงที่ปรับทางประวัติศาสตร์ที่ดีกว่านี้ไม่จำเป็นต้องแปลให้ระบบการซื้อขายที่ผันผวนต่ำ อัตราส่วนชาร์ปที่สูงขึ้นก็หมายความว่ามีความเสี่ยงของผู้ประกอบการ / ความสัมพันธ์กลับมาเป็นสัดส่วนมากขึ้น มันง่ายที่จะเปรียบเทียบผลตอบแทนทุกประเภทโดยใช้มาตรฐานการเบี่ยงเบนตามอัตราส่วนชาร์ปกว่าด้วยคอนเซ็ปต์อัลฟาเบต้า based (อัลฟาเป็นตัวชี้วัดของเท่าใดการลงทุนมีประสิทธิภาพสูงกว่าเกณฑ์มาตรฐานเนื่องจากการจัดการที่ใช้งาน) ซึ่งแตกต่างจากรุ่นเบต้าเป็นอันขาด ปริมาณของความเสี่ยงในตลาดการลงทุนมีซึ่งมักจะมีการคำนวณโดยใช้มาตรฐานที่แตกต่างกันสำหรับหุ้นและกองทุนตราสารหนี้เป็นอันขาดส่วนเบี่ยงเบนมาตรฐานมีการคำนวณในลักษณะเดียวกันที่แน่นอนสำหรับประเภทของการใด ๆ ไม่ว่าจะเป็นหุ้นพันธบัตรสกุลเงินหรือผลตอบแทน ดังนั้นเราจึงสามารถใช้อัตราส่วนชาร์ปเพื่อเปรียบเทียบผลตอบแทนความเสี่ยงที่ปรับผู้ค้าหุ้นกับบรรดาของผู้ค้าและผู้ค้าตราสารหนี้สกุลเงิน เช่นเดียวกับอัลฟาข้อเสียเปรียบหลักของอัตราส่วนชาร์ปก็คือว่ามันจะแสดงเป็นตัวเลขดิบเป็นอันขาดแน่นอนที่สูงกว่าอัตราส่วนชาร์ปที่ดีกว่าเป็นอันขาด แต่ให้ไม่มีข้อมูลอื่น ๆ ที่คุณไม่สามารถบอกได้ว่าอัตราส่วนชาร์ป 1.5 คือ ดีหรือไม่ดี เฉพาะเมื่อคุณเปรียบเทียบอัตราส่วนชาร์ปผู้ประกอบการอย่างใดอย่างหนึ่งกับที่ของผู้ประกอบการอื่น (หรือดัชนีของผู้ค้าในสินทรัพย์เดียวกัน) คุณจะได้รับความรู้สึกสำหรับญาติที่เขากลับมาปรับความเสี่ยงให้กับผู้อื่น เหมาะอย่างยิ่งสำหรับค่าอัตราส่วนชาร์ปจะเป็นข้างต้น 1. อัตราส่วน 2 เป็นสิ่งที่ดีมากและอัตราส่วน 3 เป็นพิเศษ การอภิปรายอีกนับถือมาตรฐานที่ถูกต้องในการเลือกเมื่อมีการสร้างอัตราส่วนชาร์ป สำหรับการลงทุนในหลายอัตราความเสี่ยงฟรีผลตอบแทนอาจจะเป็นตัวเลือกที่เหมาะ (เช่นผลตอบแทนประจำปีที่คุณจะได้รับในระยะยาวรัฐบาลพันธบัตร) แต่สำหรับผู้ประกอบการค้าซึ่งเป็นผู้จัดการการใช้งานมาตรฐานอื่น ๆ ที่อาจจะเพียงพอมากขึ้น เราจะพูดคุยเกี่ยวกับมาตรฐานในบทความที่แยกกัน แต่อย่างยิ่งเมื่อเปรียบเทียบกับผลการดำเนินงานของคุณเป็นผู้ประกอบการมาตรฐานอัตราความเสี่ยงฟรีไม่พอใจเป็นอย่างที่มันเป็นประเภทอื่น ๆ ของการลงทุน 4. Sortino อัตราส่วน ทั้ง Sortino และอัตราส่วนชาร์ปถูกออกแบบมาเพื่อช่วยให้นักลงทุนเปรียบเทียบผลตอบแทนจากแหล่งที่แตกต่างกัน อัตราส่วนชาร์ปในขณะที่เราได้เห็นลบประสิทธิภาพของการลงทุนจากมาตรฐานที่ว่าในหลายกรณีที่เรียกว่า & ldquo; ความเสี่ยงจากอัตราฟรี & rdquo ;. Sortino เริ่มต้นด้วยการปฏิเสธความพร้อมของใด ๆ & ldquo; เสี่ยงฟรี & rdquo; การลงทุน เพราะหากไม่มีความเสี่ยงมีผลตอบแทนที่ไม่มี สมมติฐานของเขาอาจจะเปิดให้มีการอภิปราย แต่ตรรกะของเขาสามารถพาเราขั้นตอนต่อไปตามเส้นทางของ & ldquo นั้นมีความเสี่ยง & rdquo ;. หลังจากที่ทุกอัตราส่วนชาร์ป & ldquo; ธรรม & rdquo; สัมผัสความผันผวน: ความผันผวนและความผันผวนคว่ำข้อเสียที่จะได้รับความสำคัญเหมือนกัน แต่การที่จะให้นักลงทุนผันผวนคว่ำเป็นสิ่งที่ดีจริง! แค่คิดต้องอธิบายบันทึกการค้าของคุณกับใครสักคน: & ldquo; ใช่ประสิทธิภาพการทำงานได้มากขึ้นกว่าที่คาดไว้ที่ผันผวน เรามีผลตอบแทน 5% ในเดือนมกราคมผลตอบแทนที่ 10% ในเดือนกุมภาพันธ์มีผลตอบแทน 3% ในเดือนมีนาคมและมีผลตอบแทน 40% ในเดือนเมษายน & rdquo; ไม่ว่าสิ่งที่ไม่ดีที่จะมีความผันผวนคว่ำตอนนี้มันคืออะไร? โดยปกติแล้วการลงทุนมีความผันผวนของรายละเอียดสมมาตร Sortino เอาชนะนี้โดยดูเฉพาะที่ข้อเสียเบี่ยงเบนคนที่เราไม่ชอบ ข้อแม้กับตรรกะนี้คือว่าส่วนใหญ่ (ไม่ทั้งหมด) การลงทุนมีความผันผวนป่าสมมาตรเพื่อคว่ำและข้อเสียหรือความสงบจะกลับหัวกลับหางและข้อเสีย & hellip;.but กลยุทธ์การซื้อขายบางอย่างอาจมีอัตราส่วนชาร์ปเหมือนกัน แต่มีความเสี่ยงที่แตกต่างกันรายละเอียด สำหรับ Sortino & ldquo; เสี่ยง & rdquo; ถูกกำหนดให้ไม่เป็นความแปรปรวนของการลงทุน แต่เป็นความล้มเหลวที่จะตอบสนองวัตถุประสงค์การลงทุนของคุณ ความหมายของ & ldquo นั้นมีความเสี่ยง & rdquo; มีผลกระทบที่สำคัญสำหรับเราทุกคนและไม่มีทางเหมือนกันที่จะกำหนดมันจึงยังค่อนข้างให้คำแนะนำที่จะเห็นสองการตีความที่แตกต่างกัน (ชาร์ปกับ Sortino) อย่างใดอย่างหนึ่งกับอีก ในกราฟข้างต้นสองกลยุทธ์สามารถมีอัตราส่วนชาร์ปเดียวกัน แต่ลาดเชิงบวกสำหรับแนวโน้มต่อไปนี้จริงหมายความว่าผู้ประกอบการคือการที่มีความเสี่ยงน้อยกว่าอัตราส่วนชาร์ปคาดการณ์ในขณะที่ลาดเชิงลบของกลยุทธ์การเลือกที่จะขายได้หมายความว่า ผู้ประกอบการคือการที่มีความเสี่ยงมากขึ้นกว่าอัตราส่วนชาร์ปคาดการณ์ เช่นเดียวกับด้านโน้ตเบ้เป็นระดับที่กระจายผลตอบแทนที่มีการแพร่กระจายไปทั่วผลตอบแทนเ​​ฉลี่ย แนวโน้มกลยุทธ์ต่อไปนี้ที่มีการสูญเสียน้อยลงของขนาดที่มีขนาดใหญ่และผู้ชนะที่พบบ่อยของขนาดที่มีขนาดเล็กอาจมีเอียงบวกหมายความว่าผลตอบแทนจะไม่สมดุลเท่า ๆ กันระหว่างผลกำไรและขาดทุน ในการนี​​้อยู่สำคัญของการจัดการเงินสำหรับผู้ประกอบการ: คุณสามารถมีความลาดเชิงบวกในการซื้อขายของคุณตราบใดที่คุณลดความสูญเสียของคุณเพื่อ 1R และมีความหลากหลายของธุรกิจการค้ามีผลกำไรที่จะทำให้คุณมีลักษณะลาดเชิงบวก ดังนั้นอัตราส่วน Sortino เป็นจริงเป็นทางเลือกที่ดีกว่าอัตราส่วนชาร์ปเมื่อวัดผลตอบแทนที่อาจมีเบ้ที่ไม่เป็นกลาง นี่คือวิธีการที่จะกำหนดทางคณิตศาสตร์: R = อัตราผลตอบแทนเ​​ฉลี่ยในช่วงระยะเวลาที่เลือก T = เป้าหมายหรืออัตราผลตอบแทนสำหรับกลยุทธ์ซึ่งเป็นคนแรกที่ได้รับการยอมรับขั้นต่ำกลับและเปลี่ยนไปยังเป้าหมายที่ต้องการอยากกลับ TDD = เบี่ยงเบนเป้าหมายข้อเสียซึ่งเป็นรากเฉลี่ยตารางของการเบี่ยงเบนของผลประกอบการกลับมาของผลตอบแทนที่ได้จากการที่ทุกเป้าหมายผลตอบแทนดังกล่าวข้างต้นผลตอบแทนเ​​ป้าหมายที่มีการตั้งค่าโดยอัตโนมัติไปที่ 0 ที่ ด้านล่างนี้เรามี 2 ตัวอย่างการคำนวณอัตราส่วนสเปรดชีตของเราโดยใช้ R% เป็นตัวแปรที่ส่งกลับ ในตัวอย่างแรกที่เราได้กำหนดไว้อย่างเคร่งครัด 1R ผลตอบแทนเ​​ป้าหมายขั้นต่ำ ในตัวอย่างที่สองเราได้กำหนดเป้​​าหมายผลตอบแทน 0R หลวม (ดังนั้นตราบใดที่คุณไม่ได้สูญเสียเงินคุณ OK) เหล่านี้เป็นผลตอบแทนโดยพลการและไม่ได้เป็นเพียงตัวอย่าง (หรือที่ดีที่สุดสำหรับเรื่องที่) ของสิ่งที่สามารถนำมาใช้เป็นผลตอบแทนเ​​ป้าหมาย นอกจากนี้เรายังไม่ได้ใช้ผลตอบแทนต่อปี% ที่นี่ในความพยายามที่จะทำให้เป็นตัวอย่างชัดเจนและเพียงพอเพื่อการค้า ผลตอบแทนเ​​ป้าหมาย 1R เรามีผลกำไรสุทธิ แต่อัตราส่วนของเราดูไม่ดี 5. K-อัตราส่วน K-อัตราส่วนสมบูรณ์แตกต่างกว่าอัตราส่วนที่ผ่านมา เช่นเดียวกับตัวชี้วัดอื่น ๆ ที่จะเป็นตัวชี้วัดผลตอบแทนเ​​ทียบกับความเสี่ยงที่เศษคือการแสดงออกของผลตอบแทนและส่วนการแสดงออกของความเสี่ยงที่เป็นนักการ เศษเป็นความลาดชันของสายการถดถอยที่ดีที่สุดพอดีทับชุดการกลับมาสะสม ลาดชันได้รวดเร็วยิ่งขึ้นอัตราการเจริญเติบโตของบัญชี ส่วนเป็นข้อผิดพลาดมาตรฐานของสายการถดถอยที่ดีที่สุดพอดี การแสดงภาพของ Fit ที่ดีที่สุดสายการถดถอย อัตราส่วนถูกคิดค้นโดยลาร์ส Kestner ในปี 1996 ในบทความของเขา & ldquo; ประสิทธิภาพของระบบการวัดและ rdquo; สำหรับหุ้นสินค้าโภคภัณฑ์นิตยสาร มันเป็นอัตราส่วนที่น่าสนใจเพราะมันเป็นพื้นวัดของวิธีการที่สอดคล้องกันผู้ประกอบการค้าที่มีประสิทธิภาพในช่วงเวลา อัตราส่วนที่ควรจะเหนือศูนย์ซึ่งหมายความว่าคุณมีอย่างต่อเนื่องทำให้ความคืบหน้าในบัญชีของคุณ ค่าที่สูงขึ้นของ K-อัตราส่วนสามารถหาได้โดยมีความผันผวนของผลตอบแทนที่มีขนาดเล็กและอัตราการตีที่สูงขึ้น มีอัตราการตี 70% เป็นกำไรเฉลี่ย 1.5R และการสูญเสีย 1R เฉลี่ยจะมีมากนุ่มนวลกว่าอัตราการตี 50% มีกำไรเฉลี่ย 2R และ 1R สูญเสียเฉลี่ย อัตราส่วนผลตอบแทนคงที่ K กำไรที่สอดคล้องกันมากกว่าไม่บ่อยนัก แต่กำไรมาก นี่คือวิธีการคำนวณ K อัตราส่วน: ซึ่งในสเปรดชีตหมายถึง: คอลัมน์ A = จำนวนการค้า 1,2,3 100 คอลัมน์ B = โค้งทุนสะสมจากบรรทัดที่ 1 ถึง & hellip; 0.100 K-อัตราส่วน = (SLOPE (B คอลัมน์คอลัมน์ A) * SQRT (DEVSQ (คอลัมน์ A)) / (STEYX (B คอลัมน์คอลัมน์ A) * SQRT (N & องศา; การค้า)) Kestner ในปี 2002 ปรับสูตรของเขาไปยังบัญชีสำหรับข้อผิดพลาดเล็ก ๆ เกี่ยวกับขนาดของ K-อัตราส่วน เพื่อสรุป: ถ้าคุณควรเก็บรักษาอะไรเลยจากบทความนี้รักษาความเป็นจริงที่ว่าถ้าคุณวางแผนที่จะนำเสนอผลการค้าของคุณให้กับนักลงทุนที่มีศักยภาพหรือการแสวงหาเงินทุนที่คุณมักจะต้องนำเสนอสถิติที่คล้ายกัน นักลงทุนไม่จริงๆดูแลเกี่ยวกับวิธีการทำกำไรได้คุณเป็นพวกเขาดูแลเกี่ยวกับรายละเอียดความเสี่ยงที่ปรับของคุณ มันไม่ได้ใช้ความรู้อันยิ่งใหญ่ในการรวบรวมสถิติการบันทึกการซื้อขายที่ดูดีมีอัตราส่วนแฟนซีบางอย่างในนั้นและบทความนี้จะช่วยให้คุณนำเสนอบันทึกของคุณดีขึ้น บรรทัดล่างอัตราส่วนความเสี่ยงที่ปรับทั้งหมดนี้คือ: ถ้าคุณสามารถจัดการในการทำกำไรอย่างต่อเนื่องของ 1R หรือมากกว่ามีการสูญเสียและให้พวกเขาใกล้เคียงเป็นไปได้ที่จะ 1R (หรือน้อยกว่า) และได้รับมากกว่าอัตราการชนะ 50% ของคุณ แล้วสถิติของคุณจะดีขึ้นโดยอัตโนมัติ คุณสามารถมีระบบการซื้อขายที่ทำกำไรได้แม้ว่าอัตราการชนะของคุณน้อยกว่า 50% ในความเป็นจริงกลยุทธ์ระยะสั้น ๆ ของฉันปัจจุบันมีอัตราส่วนชนะ 44% และผมเพิ่มขึ้น 22% ตั้งแต่ต้นปี สิ่งที่กำหนดว่ากลยุทธ์ของคุณจะมีกำไรหรือไม่เป็นระบบการซื้อขายของความคาดหวัง ความคาดหวัง = อัตราส่วนชนะ x ขนาดเฉลี่ยชนะ - อั​​ตราการสูญเสีย x ขนาดสูญเสียเฉลี่ย ดังนั้นความลับคือการทำให้สูญเสียของคุณเล็กและแจ้งให้ผู้โชคดีของคุณทำงาน คุณจะต้องมีระเบียบวินัยมากและเชื่อมั่นในระบบของคุณเมื่อคุณมี backtested มันและมีความเสี่ยงที่เหมาะสมและกลยุทธ์การจัดการเงินในสถานที่ พยายามที่จะให้อารมณ์ความรู้สึกของคุณออกจากการค้าของคุณและยอมรับว่าไม่ทั้งหมดของการค้าของคุณจะเป็นผู้ชนะการเรียนรู้ที่จะสูญเสียเมื่อย้ายตลาดต่อท่านและระบบการซื้อขายของคุณคาดหวังในเชิงบวกจะทำกำไรได้ในช่วงเวลา มีหลายร้อยตัวชี้วัดประสิทธิภาพการทำงานที่แตกต่างกันหรือสถิติซึ่งสามารถนำมาใช้ในการประเมินแผนซื้อขาย ผู้ค้ามักจะพัฒนาตัวชี้วัดการตั้งค่าสำหรับผู้ที่มีคุณค่ามากที่สุดขึ้นอยู่กับรูปแบบการค้าโดยเฉพาะหรือเป้าหมายทางธุรกิจ ที่นี่เรามองไปที่การวัดประสิทธิภาพหลายอย่างที่สามารถเป็นสิ่งที่สำคัญสำหรับการประเมินความหลากหลายของแผนซื้อขายที่แตกต่างกัน สูงสุดเบิก เบิกสูงสุดหมายถึง "สถานการณ์กรณีที่เลวร้ายที่สุด" ในช่วงเวลาการซื้อขาย มาตรการนี​​้ความแตกต่างที่ยิ่งใหญ่ที่สุดหรือการสูญเสียจากยอดส่วนที่ก่อนหน้านี้ สถิตินี้สามารถช่วยวัดปริมาณความเสี่ยงและสร้างถ้าเป็นกลยุทธ์ที่เป็นไปได้ที่จะได้รับขนาดของบัญชีซื้อขาย โดยทั่วไปจำนวนนี้ควรจะเป็นขนาดเล็กที่สุดและมีแผนซื้อขายที่ต้องใช้เบิกถอนได้สูงสุดขนาดใหญ่ควรจะหลีกเลี่ยง ตามกฎพื้นฐานผู้ประกอบการควรเริ่มต้นการวิเคราะห์วางแผนการค้าโดยการกำหนดว่าเขาหรือเธอสามารถที่จะมีความเสี่ยง ถ้าเบิกสูงสุดสำหรับการวางแผนการค้าเกินกว่าจำนวนนี้ผู้ประกอบการอาจจะไม่จำเป็นต้องมองไกลออกไปใด ๆ แผนจะต้องได้รับการแก้ไขก่อนที่จะสามารถก้าวไปในระดับต่อไป ในขณะที่ตัวชี้วัดประสิทธิภาพการทำงานนี้มักจะปรากฏที่ด้านล่างของรายงานการปฏิบัติงานในแพคเกจซอฟต์แวร์จำนวนมากก็เป็นหนึ่งที่มีค่าที่สุด ขอแนะนำให้ผู้ค้าเริ่มต้นการวิเคราะห์ของพวกเขาโดยดูที่เบิกสูงสุดเช่นนี้จะเป็นตัวกำหนดความเป็นไปได้ของการวางแผนการซื้อขายที่ รวมกำไรสุทธิ มีกำไรสุทธิรวมแสดงให้เห็นถึงผลกำไรบรรทัดด้านล่างหรือขาดทุนสำหรับการวางแผนการค้าในช่วงระยะเวลาการซื้อขายที่ระบุ สถิตินี้จะถูกคำนวณโดยการลบขาดทุนขั้นต้นของการสูญเสียการซื้อขาย (รวมค่าคอมมิชชั่น) จากอัตรากำไรขั้นต้นของธุรกิจการค้าชนะ ในขณะที่ผู้ค้าจำนวนมากใช้กำไรสุทธิรวมเป็นมาตรการหลักของประสิทธิภาพการค้าสถิตินี้ด้วยตัวเองสามารถหลอกลวง เพียงแค่รู้ว่าเงินเท่าไหร่วางแผนการค้าจะได้ทำในช่วงเวลาซื้อขายไม่ได้ให้ข้อมูลเพียงพอที่จะวัดว่าแผนมีประสิทธิภาพขึ้นอยู่กับมาตรฐานทางประวัติศาสตร์ของมันหรือถ้ามันมีประสิทธิภาพ เพราะมันจะสันนิษฐานว่าแผนการซื้อขายจะมีความคาดหวังในเชิงบวกเวลาที่วางแผนการค้าที่อยู่ในตลาดมากขึ้นก็ควรจะทำในทางทฤษฎี โดยการเปรียบเทียบแผนเดียวกันในช่วงระยะเวลาที่แตกต่างกันการค้าดังนั้นผู้ค้าสามารถคาดหวังที่แตกต่างกันอย่างมีนัยสำคัญรวมผลกำไรสุทธิ นอกจากนี้ตัวชี้วัดนี้ไม่ได้ช่วยให้เราสามารถที่จะปรับผลของการวางแผนการค้าที่ขึ้นอยู่กับจำนวนของความเสี่ยงที่เกิดขึ้น ปล่อยให้หน้ามันเราทุกคนต้องการที่จะรู้ว่าเงินที่แผนการซื้อขายจะได้ทำ ... ธุรกิจของเราขึ้นอยู่กับชนิดของการประมาณการนี​​้ เราจะต้องระมัดระวัง แต่ไม่ได้รับการตาบอดจากจำนวนนี้และเราจะต้องดำเนินการดูที่สถิติโดยรวมสำหรับการวางแผนการค้า กำไรสุทธิรวมอยู่คนเดียวไม่อนุญาตให้ผู้ค้าที่จะเปรียบเทียบอย่างเพียงพอหรือติดตามประสิทธิภาพของแผนการค้าที่ ปัจจัยกำไร ปัจจัยที่ผลกำไรมีการกำหนดเป็นอัตรากำไรขั้นต้นหารด้วยขาดทุนขั้นต้น (รวมค่าคอมมิชชั่น) สำหรับรอบระยะเวลาการซื้อขายทั้งหมด ตัวชี้วัดประสิทธิภาพการทำงานนี้เกี่ยวข้องกับจำนวนเงินของกำไรต่อหน่วยของความเสี่ยงที่มีค่ามากกว่าหนึ่งที่แสดงให้เห็นแผนการค้ากำไร ในทางทฤษฎีจำนวนนี้ควรจะสูงที่สุดเท่าที่เป็นไปได้ ในความเป็นจริงปัจจัยกำไรสูงมากไม่ค่อยมีความสัมพันธ์กับผลการดำเนินงานการซื้อขายจริง ส่วนใหญ่วางแผนการค้าที่ประสบความสำเร็จอาจจะมีที่ใดก็ได้ระหว่าง 1.5 และ 5.0 ปัจจัยกำไร วิธีการหนึ่งของการเปรียบเทียบปัจจัยกำไรโดยการมองหาสอดคล้องเมื่อเวลาผ่านไปโดยไม่คำนึงถึงระยะเวลาการซื้อขาย ร้อยละกำไร ร้อยละผลกำไรเป็นที่รู้จักกันน่าจะเป็นในการชนะ สถิตินี้คำนวณโดยการหารจำนวนการซื้อขายที่ชนะด้วยจำนวนของธุรกิจการค้าเป็นระยะเวลาซื้อขายตามกรอบ ร้อยละของการซื้อขายที่ทำกำไรได้ขึ้นอยู่กับประเภทของกลยุทธ์ที่ใช้ในการวางแผนการค้า โดยปกติแผนจะมีการซื้อขายระหว่าง 40 และ 60 เปอร์เซ็นต์ของการซื้อขายที่ชนะ แนวโน้มกลยุทธ์ต่อไปนี้มีแนวโน้มที่จะมีค่าลดลงในขณะที่แผนการซื้อขายโดยใช้แนวโน้มเคาน์เตอร์หรือรูปแบบระยะสั้นของการซื้อขายมีแนวโน้มที่จะสูงขึ้น นอกจากนี้แผนการซื้อขายที่พึ่งพาค่ามากกว่า 80% จะไม่ค่อยเชื่อถือได้ในการซื้อขายสด ผู้ค้าไม่จำเป็นต้องมีเปอร์เซ็นต์สูงของการซื้อขายที่ทำกำไรได้ในการสร้างแผนการค้าที่ประสบความสำเร็จ เป้าหมายที่สำคัญมากขึ้นของการใช้ตัวชี้วัดนี้คือการหาร้อยละสอดคล้องทำกำไรได้ในช่วงระดับของการพัฒนาในแต่ละครั้งและในการซื้อขายสด การค้าเฉลี่ยกำไรสุทธิ กำไรสุทธิค้าเฉลี่ยอยู่ที่ความคาดหวังของการวางแผนการซื้อขายที่ ตัวชี้วัดนี้เป็นจำนวนเงินเฉลี่ยของเงินที่ได้รับการชนะหรือแพ้ต่อการค้าและการคำนวณโดยการหารกำไรสุทธิรวมด้วยจำนวนของธุรกิจการค้า ตัวชี้วัดนี้จะมีตัวบ่งชี้ที่เป็นประโยชน์เกี่ยวกับผลการดำเนินงานในอนาคตของการวางแผนการค้า การคำนวณนี้ได้รับผลกระทบอย่างมีนัยสำคัญตามขนาดตำแหน่งเนื่องจากขนาดที่ใหญ่กว่าตำแหน่งที่จะขยายเฉลี่ยชนะและการสูญเสียจำนวนเงินการค้า ด้วยเหตุนี้ก็จะแนะนำให้ทดสอบในขั้นต้นวางแผนการค้าโดยใช้ค่าคงที่ขนาดตำแหน่งที่น้อยที่สุด ซึ่งจะช่วยให้การเปรียบเทียบที่ถูกต้องมากขึ้นที่สามารถนำมาใช้ในการวัดประสิทธิภาพของแผน ในคำอื่น ๆ ผู้ค้าควรหลีกเลี่ยงการเพิ่มขนาดของตำแหน่งที่จะปรับปรุงสถิตินี้ ปัจจัยอีกประการหนึ่งที่ควรจะนำมาพิจารณาคือวิธีการปิดเฉลี่ยนี้เกี่ยวข้องกับการซื้อขายที่ใหญ่ที่สุด บางครั้งผลการสร้างแบบจำลองในอดีตอาจจะเบ้โดยการค้าเดียวที่สร้างผลกำไร (หรือขาดทุน) หลายครั้งยิ่งใหญ่กว่าการค้าทั่วไป ประเภทของการค้านี้รู้เป็นค่าผิดปกติอาจจะสร้างผลงานที่ไม่สมจริงกว่าพองการค้าเฉลี่ยกำไรสุทธิ ในกรณีนี้มันอาจจะดีที่สุดเพื่อลบค่าผิดปกติโดยเฉพาะอย่างยิ่งถ้าความสำเร็จของแผนการซื้อขายจะขึ้นอยู่กับการค้าครั้งนี้ครั้งเดียว แผนการเทรดที่พึ่งพาหนึ่งหรือสองการซื้อขายที่มีขนาดใหญ่ผิดปกติในช่วงการซื้อขายมักจะใกล้ชิดกับการเล่นการพนันที่ซื้อขายจริง สรุป การวัดประสิทธิภาพช่วยให้ผู้ค้ากำหนดวิธีการที่เป็นระบบที่มีประสิทธิภาพ แต่มันเป็นสิ่งสำคัญสำหรับผู้ค้าที่จะมองไปที่ภาพใหญ่มุ่งเน้นไปที่หนึ่งในตัวชี้วัด (เช่นรวมกำไรสุทธิ) สามารถหลอกลวง ตัวชี้วัดที่หลายคนมีความหมายมากที่สุดเมื่อเทียบกับตัวชี้วัดอื่น ๆ ยกตัวอย่างเช่นการค้าเฉลี่ยกำไรสุทธิสามารถเทียบกับร้อยละกำไรที่จะได้รับความคิดที่ดีเท่าไหร่ระบบชนะความถี่ ห้าตัวชี้วัดที่แสดงไว้ที่นี่ให้บริการเฉพาะการแนะนำชนิดของผู้ค้าตัวชี้วัดที่ควรมีลักษณะที่เมื่อวิเคราะห์ระบบ: ตัวชี้วัดที่คุณเลือกจะขึ้นอยู่กับระดับของความเชี่ยวชาญ, รูปแบบการค้าและการตั้งค่า ต้องการเรียนรู้เพิ่มเติมจากฌองและทีมงานที่ PowerZone ซื้อขายให้แน่ใจว่าได้เยี่ยมชมเว็บไซต์ของพวกเขาที่ PowerZoneTrading ซอฟท์แว Adaptrade บทความจดหมายข่าว วิศวกรรมย้อนกลับกลยุทธ์การซื้อขาย โดยไมเคิลอาไบรอันท์ วิศวกรรมย้อนกลับเป็นกระบวนการของการถอนรากวัตถ​​ุในการสั่งซื้อที่จะซ้ำกันมัน เป็นหลักคุณเริ่มต้นด้วยผลิตภัณฑ์สำเร็จรูปที่จะเอามันออกจากกันคิดหาวิธีการทำงานและการออกแบบฐานที่ซ้ำกันของคุณในสิ่งที่คุณเรียน สมมติว่าคุณเคยเห็นผลสำหรับกลยุทธ์การซื้อขายทำกำไรได้รายงานออนไลน์ ทั้งหมดที่คุณรู้คือกลยุทธ์ที่ธุรกิจการค้าเอสพี E-มินิบาร์ในวันที่ 15 นาทีและผลิตผลลัพธ์ที่รายงานในช่วงเวลาที่ระบุไว้เช่นที่ผ่านมา 10 ปี คุณไม่ได้มีการเข้าถึงรหัสกลยุทธ์หรือแม้กระทั่งรายละเอียดของตรรกะ มีวิธีที่จะคิดออกว่ากลยุทธ์นี้อาจจะทำงานใด ๆ มันจะเปิดออกมี โดยการทำงานย้อนกลับจากการปฏิบัติงานรายงานที่เราสามารถลองระบบแตกต่างกันของตรรกะกลยุทธ์จนกว่าเราจะหาคนที่ตรงกับผลการรายงาน นี้ไม่ได้รับประกันว่าเราจะได้พบกับตรรกะเดียวกับที่ใช้ในกลยุทธ์ แต่เราอาจจะสามารถหาสิ่งที่สวยใกล้ รูปที่ 1 MiniMax ผลการค้าหนึ่งสัญญาสำหรับ SP E-มินิ ค่าใช้จ่ายในการซื้อขาย: $ 30 ต่อรอบการเปิด