Risk & Position Sizing
Build position sizes from drawdown math, realistic trading costs, and uncertainty in backtest results before applying Kelly.
Verlies-Winst Asymmetrie: De Wiskunde die je Deposito Vernietigt
Waarom 50% verlies 100% groei vereist om te herstellen, hoe volatility drag kapitaal vernietigt zelfs in zijwaartse markten, en welke formules elke algo-trader moet kennen om risicobeheer op te bouwen.
Slippage-curven, geen slippage-constanten: kostenmodellen die het contact met live trading overleven
Vervang constante slippage in bps door kostencurven die afhangen van omvang, volatiliteit en liquiditeit: de square-root law, curven fitten op TCA-fills of publieke data, regime-stressmultipliers, en waarom je strategie-ranglijst opnieuw geschud wordt.
Funding rates verwoesten je hefboom: waarom PnL×50x fictie is
Hoe funding rates op Binance/Bybit prachtige backtestresultaten met hoge hefboom omzetten in gegarandeerde verliezen. Formules, herberekening van echte strategieën en de maximale hefboom waarbij funding de winst niet opeet.
Monte Carlo Bootstrap: hoe je in 10 regels code betrouwbaarheidsintervallen voor een backtest krijgt
Waarom een puntschatting uit een backtest een gevaarlijke illusie is. Hoe Monte Carlo bootstrap in 2 seconden rekentijd een 95%-betrouwbaarheidsinterval voor PnL en MaxDD oplevert, en waarom dit een verplichte stap is voordat je een strategie in productie neemt.
Het Kelly-criterium voor strategieën: hoe posities dimensioneren en kapitaal alloceren
Een strategie met een positieve verwachtingswaarde kan je account alsnog opblazen als de inzetgrootte verkeerd is. We doorlopen het Kelly-criterium van de afleiding van de formule tot een portfolio van strategieën: waarom volledige Kelly gevaarlijk is, hoe fractionele Kelly 75% van de groei behaalt bij de helft van de volatiliteit, en een interactieve rekenmachine die laat zien hoe de Kelly-fractie rendement en risico beïnvloedt.
