Разработка алгоритма dynamic position sizing
Столкнулись с тем, что фиксированный лот в торговой стратегии даёт нестабильные результаты: при высокой волатильности риски взлетают, при низкой — недополучаете прибыль. В реальности трейдеры часто теряют до 40% капитала из-за неправильного выбора размера позиции. Мы решаем эту задачу алгоритмически — разрабатываем динамический расчёт размера позиции, адаптирующийся под рынок и состояние портфеля. В основе лежат математические методы, проверенные в production на тысячах сделок. Экономия за счёт снижения риска достигает 30% по сравнению с фиксированным размером. Свяжитесь с нами для предварительной оценки вашей задачи.
Как алгоритм dynamic position sizing решает проблему нестабильности?
Не путайте с переразметкой лота вручную — алгоритм сам вычисляет оптимальный размер на каждый вход. Учитываем риск на сделку (обычно 1–2% депозита), текущую волатильность через ATR, просадку портфеля и корреляцию с открытыми позициями. Итоговый размер — композиция нескольких фильтров.
Fixed Fractional (Kelly-inspired)
Базовый подход: рискуем фиксированным процентом капитала на каждую сделку.
def fixed_fractional_size(capital, risk_pct, entry_price, stop_price): risk_amount = capital * risk_pct risk_per_unit = abs(entry_price - stop_price) qty = risk_amount / risk_per_unit return qty Стандартный risk_pct: 1–2% на сделку. При 20 сделках подряд с полным стопом: убыток (0.98)^20 = 33% депозита. Управляемо.
Volatility-adjusted sizing
Размер позиции обратно пропорционален волатильности: чем волатильнее рынок, тем меньше позиция.
def volatility_adjusted_size(capital, target_risk_pct, atr, entry_price, atr_multiplier=2.0): risk_amount = capital * target_risk_pct stop_distance = atr * atr_multiplier # стоп на 2×ATR position_value = risk_amount / (stop_distance / entry_price) return position_value / entry_price # в единицах актива При ATR 3% → стоп 6% → позиция X. При ATR 1% → стоп 2% → позиция 3X. Результат: одинаковый денежный риск при разных уровнях волатильности.
Kelly Criterion
Математически оптимальный размер позиции для максимизации долгосрочного роста капитала, впервые описанный Джоном Келли в 1956 году:
Kelly % = W - (1-W)/R где W = win rate, R = средний win/средний loss При W=55%, R=1.5: Kelly = 0.55 - 0.45/1.5 = 0.25 = 25% капитала. Это слишком агрессивно. Обычно используется Half Kelly (12.5%) или Quarter Kelly. Полный Kelly приводит к огромным drawdown несмотря на теоретическую оптимальность.
Drawdown-based scaling
При приближении к максимальному drawdown уменьшаем позиции:
def drawdown_scaled_size(base_size, current_equity, peak_equity, max_drawdown=0.20): current_dd = (peak_equity - current_equity) / peak_equity if current_dd > max_drawdown * 0.75: # При 75% от max drawdown — снижаем до 50% размера return base_size * 0.5 elif current_dd > max_drawdown * 0.5: # При 50% от max drawdown — снижаем до 75% размера return base_size * 0.75 return base_size Correlation adjustment
Если в портфеле уже есть несколько коррелированных позиций — новая добавляет меньше диверсификации. Размер новой позиции уменьшается пропорционально корреляции:
def correlation_adjusted_size(base_size, correlation_with_portfolio): # Если корреляция 0.8 — уменьшаем размер до 20% от базового diversity_factor = 1 - abs(correlation_with_portfolio) return base_size * max(diversity_factor, 0.2) # минимум 20% Почему комбинация методов даёт лучший результат?
Ни один метод не идеален. Fixed Fractional не адаптируется к волатильности, Kelly агрессивен, а Volatility-adjusted зависит от точности ATR. Гибридный подход сочетает сильные стороны: базовый риск берётся по Fixed Fractional, затем корректируется на волатильность, просадку и корреляцию. В наших тестах гибрид снижает максимальную просадку в 2 раза по сравнению с чистым Fixed Fractional при той же доходности.
| Метод | База расчёта | Преимущества | Недостатки |
|---|---|---|---|
| Fixed Fractional | Процент капитала | Простота, предсказуемый риск | Не учитывает волатильность |
| Volatility-adjusted | ATR, стоп | Адаптация к рыночным условиям | Зависит от точности ATR |
| Kelly Criterion | Win rate, R:R | Теоретически оптимальный рост | Агрессивен, требует точных оценок |
| Drawdown-based | Текущая просадка | Контроль максимального убытка | Медленная реакция при резком падении |
| Correlation-adjusted | Корреляция позиций | Улучшение диверсификации | Сложность расчёта на лету |
Как мы реализуем алгоритм?
Наш стек: Python (NumPy, Pandas для бэктестов) + интеграция через REST API вашей платформы (MetaTrader, Binance, Bybit, Custom). Конфигурация гибкая: можно включить/отключить любой модуль. Код проходит аудит на утечки (статический анализ Python).
Пример: гибридный sizing
Допустим, трейдер использует Fixed Fractional с риском 1.5% и Kelly на бэктесте даёт 20%. Мы комбинируем: базовый риск = 1.5% * 0.5 (Half Kelly) = 0.75%, затем корректируем на волатильность: если ATR = 2%, стоп 4% → позиция = 0.75% / (4%/текущая цена). На выходе — единый модуль с единым API: calculate_size(capital, volatility, correlation, drawdown). Получите консультацию по внедрению такого гибрида для вашей стратегии.
Типичные ошибки при выборе метода
| Ошибка | Последствие | Решение |
|---|---|---|
| Использование только Kelly | Слив при просадке | Добавить drawdown-based scaling |
| Игнорирование корреляции | Избыточный риск при схожих активах | Включить Correlation adjustment |
| Фиксированный риск на сделку | Перегрузка при высокой волатильности | Добавить Volatility-adjusted sizing |
| Отсутствие бэктеста | Неожиданное поведение | Обязательный тест на истории |
Процесс работы
- Аналитика — изучаем вашу стратегию, историю сделок, параметры риска.
- Проектирование — выбираем комбинацию методов, пишем спецификацию.
- Реализация — разработка модуля на Python или Solidity/Rust.
- Тестирование — бэктест на истории + форвард-тест, корректировка параметров.
- Деплой — интеграция с вашей платформой, документация, обучение.
Что входит в разработку?
- Исходный код модуля sizing (Python или Solidity).
- Конфигурационный файл с параметрами.
- Документация по интеграции и настройке.
- Доступ к приватному Git-репозиторию.
- 2 недели поддержки после передачи.
Сроки и оценка
Срок разработки: от 2 до 4 недель в зависимости от сложности комбинации методов. Чтобы оценить ваш проект — свяжитесь, мы бесплатно проанализируем вашу стратегию и предложим подход.