Асимметрия убытков и прибылей: математика, которая убивает ваш депозит

Почему потеря 50% требует 100% роста для восстановления, как volatility drag уничтожает капитал даже на боковом рынке, и какие формулы должен знать каждый алготрейдер для построения риск-менеджмента.

Задача, которая ломает интуицию

Представьте: актив вырос на 70%, а затем упал на 70%. Или наоборот — сначала упал, потом вырос. Какой вариант прибыльнее?

Ответ: оба одинаково убыточны. Умножение коммутативно:

$100 \times 1.7 \times 0.3 = 100 \times 0.3 \times 1.7 = 51$

Вы потеряли 49% капитала при «нулевом» движении цены. Это не баг — это фундаментальное свойство мультипликативной природы доходностей.

Почему убытки «тяжелее» прибылей

Процентная доходность — операция в мультипликативном пространстве. Потеря 50% — это умножение на 0.5, и чтобы вернуться в исходную точку, нужно умножить на 2, то есть заработать 100%.

Формула восстановления

Если вы потеряли $x\%$ от капитала, требуемая доходность для возврата к начальному балансу:

$R_{recovery} = \frac{x}{100 - x} \times 100\%$

Вывод элементарен. Пусть начальный капитал равен $C$ . После убытка $x\%$ :

$C_{after} = C \cdot \left(1 - \frac{x}{100}\right)$

Для восстановления $C_{after} \cdot (1 + R) = C$ , откуда:

$R = \frac{C}{C_{after}} - 1 = \frac{1}{1 - x/100} - 1 = \frac{x}{100 - x}$

Таблица асимметрии

Убыток	Требуемая прибыль для восстановления	Коэффициент асимметрии
5%	5.26%	1.05×
10%	11.11%	1.11×
20%	25.00%	1.25×
25%	33.33%	1.33×
30%	42.86%	1.43×
40%	66.67%	1.67×
50%	100.00%	2.00×
60%	150.00%	2.50×
70%	233.33%	3.33×
80%	400.00%	5.00×
90%	900.00%	10.00×
95%	1900.00%	20.00×

Коэффициент асимметрии растёт нелинейно. После 50% убытка вы оказываетесь в зоне, из которой статистически почти невозможно выбраться без смены стратегии.

Volatility drag: тихий убийца на боковом рынке

Визуализация Volatility Drag

Даже если рынок «стоит на месте», волатильность сама по себе уничтожает капитал. Это явление называется volatility drag (или variance drain).

Формальное определение

Для последовательности дневных доходностей $r_1, r_2, \ldots, r_n$ , геометрическая (реальная) доходность:

$G = \prod_{i=1}^{n}(1 + r_i) - 1$

Арифметическая (средняя) доходность:

$\bar{r} = \frac{1}{n}\sum_{i=1}^{n} r_i$

Связь между ними приближённо выражается как:

$G \approx \bar{r} - \frac{\sigma^2}{2}$

где $\sigma^2$ — дисперсия доходностей. Член $\frac{\sigma^2}{2}$ — это и есть volatility drag.

Пример: боковик с дневной волатильностью 5%

Допустим, актив каждый день случайно растёт или падает на 5% с равной вероятностью. Арифметическое среднее = 0%. Но геометрическая доходность:

$G \approx 0 - \frac{0.05^2}{2} = -0.125\%$

За 252 торговых дня: $(1 - 0.00125)^{252} \approx 0.729$ , то есть -27.1% годовых при «нулевом» среднем движении.

Для крипторынка с типичной дневной волатильностью 3–8% это означает, что удержание волатильного актива без направленного тренда гарантирует потерю капитала.

Практическое применение: Python-моделирование

import numpy as np

def simulate_volatility_drag(daily_vol: float, days: int = 252, simulations: int = 10_000) -> dict:
    """
    Моделирование volatility drag методом Монте-Карло.

    Args:
        daily_vol: дневная волатильность (0.05 = 5%)
        days: количество торговых дней
        simulations: число симуляций

    Returns:
        Статистика реальной (геометрической) доходности
    """
    daily_returns = np.random.normal(0, daily_vol, (simulations, days))

    cumulative = np.prod(1 + daily_returns, axis=1)
    geo_returns = cumulative - 1

    theoretical_drag = -0.5 * daily_vol**2 * days

    return {
        "mean_geometric_return": np.mean(geo_returns),
        "median_geometric_return": np.median(geo_returns),
        "theoretical_drag": theoretical_drag,
        "prob_loss": np.mean(geo_returns < 0),
        "worst_5pct": np.percentile(geo_returns, 5),
        "best_5pct": np.percentile(geo_returns, 95),
    }

result = simulate_volatility_drag(daily_vol=0.04)
print(f"Средняя геом. доходность:  {result['mean_geometric_return']:.2%}")
print(f"Теоретический drag:        {result['theoretical_drag']:.2%}")
print(f"Вероятность убытка:         {result['prob_loss']:.2%}")
print(f"Worst 5%:                   {result['worst_5pct']:.2%}")

Типичный вывод для BTC-like волатильности:

Средняя геом. доходность:  -17.34%
Теоретический drag:        -20.16%
Вероятность убытка:         63.28%
Worst 5%:                   -72.41%

Следствия для алготрейдинга

Риск-менеджмент и критерий Келли

1. Risk/Reward и критерий Келли

Зная об асимметрии убытков, оптимальный размер позиции вычисляется по критерию Келли:

$f^* = \frac{p \cdot W - (1 - p) \cdot L}{W \cdot L}$

где $p$ — вероятность выигрыша, $W$ — средний выигрыш, $L$ — средний проигрыш (как доля от ставки).

Для практического применения в торговле используют дробный Келли ( $f^{*}/2$ или $f^{*}/3$ ), что снижает волатильность эквити при незначительном снижении долгосрочной доходности.

2. Максимальная просадка и размер позиции

Если стратегия допускает максимальную просадку $D_{max}$ , а стоп-лосс установлен на уровне $S\%$ , максимальное число последовательных стопов до критической просадки:

$n = \frac{\ln(1 - D_{max})}{\ln(1 - S)}$

Пример: при $D_{max} = 20\%$ и стоп-лоссе $2\%$ :

$n = \frac{\ln(0.8)}{\ln(0.98)} = \frac{-0.2231}{-0.0202} \approx 11$

Стратегия может выдержать 11 последовательных стопов. Зная винрейт, можно оценить вероятность такой серии:

$P(n\ \text{стопов}) = (1 - WR)^n$

При винрейте 45%: $P = 0.55^{11} \approx 0.14\%$ — приемлемый риск.

3. Геометрическое ожидание стратегии

Реальная долгосрочная доходность стратегии — это не арифметическое среднее сделок, а геометрическое ожидание:

$E_{geo} = (1 + W)^p \times (1 - L)^{(1-p)} - 1$

Стратегия с $W = 3\%$ , $L = 1\%$ , $WR = 40\%$ :

$E_{geo} = 1.03^{0.4} \times 0.99^{0.6} - 1 = 1.01194 \times 0.99401 - 1 = +0.59\%$

Стратегия с $W = 3\%$ , $L = 3\%$ , $WR = 50\%$ (кажется «нулевой»):

$E_{geo} = 1.03^{0.5} \times 0.97^{0.5} - 1 = 1.01489 \times 0.98489 - 1 = -0.045\%$

Симметричная по R:R стратегия с 50% винрейтом убыточна из-за volatility drag.

Выводы для построения торговых систем

Управление убытками математически важнее поиска прибыльных входов. Это не мотивационный лозунг — это следствие асимметрии мультипликативных доходностей.

Конкретные правила:

Стоп-лоссы обязательны. Каждый процент убытка экспоненциально усложняет восстановление. Просадка свыше 25% (требует +33%) — красная зона.
Минимальный R:R = 1:2. При симметричном R:R даже 50% винрейт убыточен. Только асимметричный R:R в пользу прибыли компенсирует volatility drag.
Дробный Келли для позиционирования. Полный Келли оптимален теоретически, но на практике $f^{*}/2$ даёт 75% доходности при 50% волатильности эквити.
Волатильность — ваш враг при отсутствии edge. На боковом рынке высоковолатильных активов сам факт удержания позиции генерирует убыток. Если у вас нет статистического преимущества — не торгуйте.
Считайте геометрическое, а не арифметическое ожидание. Бэктест, показывающий среднюю прибыль на сделку, врёт — реальная доходность всегда ниже на величину $\frac{\sigma^2}{2}$ .

Заключение: считайте правильно — выживайте дольше

Понимание мультипликативной природы доходностей — это не академическое упражнение. Это фундамент, на котором строится любая жизнеспособная торговая система.

Большинство трейдеров проигрывают рынку не из-за отсутствия «чутья» или инсайдерской информации — они проигрывают, потому что принимают решения в аддитивном пространстве (среднее арифметическое), тогда как рынок работает в мультипликативном (среднее геометрическое).

Три вопроса, которые стоит задавать перед каждой сделкой:

Если стоп сработает — смогу ли я восстановиться? Формула $R_{recovery} = \frac{x}{100-x}$ даёт ответ мгновенно. При риске на сделку более 10% восстановление начинает требовать непропорциональных усилий.
Есть ли у меня статистическое преимущество? Если нет — не торгуйте. Волатильность сама по себе гарантирует убыток через volatility drag. Отсутствие edge в условиях волатильности — это медленное, но неизбежное уничтожение капитала.
Каково геометрическое ожидание моей стратегии? Не средняя прибыль на сделку, не процент выигрышных позиций — именно $E_{geo}$ . Это единственная метрика, которая показывает реальную долгосрочную эффективность.

Алготрейдинг начинается не с написания кода, а с математики. Код — это лишь инструмент реализации стратегии, которая уже прошла математическую проверку. Без этой проверки даже идеально написанный алгоритм будет планомерно уменьшать ваш депозит.

Рынок не наказывает за ошибки — он просто перераспределяет капитал от тех, кто считает неверно, к тем, кто считает правильно.

Следующая тема: оптимизация портфеля методами mean-variance — когда диверсификация работает и когда она превращается в иллюзию безопасности.

Цитирование

@article{soloviov2026lossprofitasymmetry,
  author = {Soloviov, Eugen},
  title = {Асимметрия убытков и прибылей: математика, которая убивает ваш депозит},
  year = {2026},
  url = {https://marketmaker.cc/ru/blog/post/loss-profit-asymmetry},
  version = {0.1.0},
  description = {Почему потеря 50% требует 100% роста для восстановления, как volatility drag уничтожает капитал даже на боковом рынке, и какие формулы должен знать каждый алготрейдер.}
}

Задача, которая ломает интуицию

Ответ: оба одинаково убыточны. Умножение коммутативно:

$100 \times 1.7 \times 0.3 = 100 \times 0.3 \times 1.7 = 51$

Почему убытки «тяжелее» прибылей

Формула восстановления

Если вы потеряли $x\%$ от капитала, требуемая доходность для возврата к начальному балансу:

$R_{recovery} = \frac{x}{100 - x} \times 100\%$

Вывод элементарен. Пусть начальный капитал равен $C$ . После убытка $x\%$ :

$C_{after} = C \cdot \left(1 - \frac{x}{100}\right)$

Для восстановления $C_{after} \cdot (1 + R) = C$ , откуда:

$R = \frac{C}{C_{after}} - 1 = \frac{1}{1 - x/100} - 1 = \frac{x}{100 - x}$

Таблица асимметрии

Убыток	Требуемая прибыль для восстановления	Коэффициент асимметрии
5%	5.26%	1.05×
10%	11.11%	1.11×
20%	25.00%	1.25×
25%	33.33%	1.33×
30%	42.86%	1.43×
40%	66.67%	1.67×
50%	100.00%	2.00×
60%	150.00%	2.50×
70%	233.33%	3.33×
80%	400.00%	5.00×
90%	900.00%	10.00×
95%	1900.00%	20.00×

Volatility drag: тихий убийца на боковом рынке

Визуализация Volatility Drag

Формальное определение

Для последовательности дневных доходностей $r_1, r_2, \ldots, r_n$ , геометрическая (реальная) доходность:

$G = \prod_{i=1}^{n}(1 + r_i) - 1$

Арифметическая (средняя) доходность:

$\bar{r} = \frac{1}{n}\sum_{i=1}^{n} r_i$

Связь между ними приближённо выражается как:

$G \approx \bar{r} - \frac{\sigma^2}{2}$

где $\sigma^2$ — дисперсия доходностей. Член $\frac{\sigma^2}{2}$ — это и есть volatility drag.

Пример: боковик с дневной волатильностью 5%

$G \approx 0 - \frac{0.05^2}{2} = -0.125\%$

За 252 торговых дня: $(1 - 0.00125)^{252} \approx 0.729$ , то есть -27.1% годовых при «нулевом» среднем движении.

Практическое применение: Python-моделирование

import numpy as np

def simulate_volatility_drag(daily_vol: float, days: int = 252, simulations: int = 10_000) -> dict:
    """
    Моделирование volatility drag методом Монте-Карло.

    Args:
        daily_vol: дневная волатильность (0.05 = 5%)
        days: количество торговых дней
        simulations: число симуляций

    Returns:
        Статистика реальной (геометрической) доходности
    """
    daily_returns = np.random.normal(0, daily_vol, (simulations, days))

    cumulative = np.prod(1 + daily_returns, axis=1)
    geo_returns = cumulative - 1

    theoretical_drag = -0.5 * daily_vol**2 * days

    return {
        "mean_geometric_return": np.mean(geo_returns),
        "median_geometric_return": np.median(geo_returns),
        "theoretical_drag": theoretical_drag,
        "prob_loss": np.mean(geo_returns < 0),
        "worst_5pct": np.percentile(geo_returns, 5),
        "best_5pct": np.percentile(geo_returns, 95),
    }

result = simulate_volatility_drag(daily_vol=0.04)
print(f"Средняя геом. доходность:  {result['mean_geometric_return']:.2%}")
print(f"Теоретический drag:        {result['theoretical_drag']:.2%}")
print(f"Вероятность убытка:         {result['prob_loss']:.2%}")
print(f"Worst 5%:                   {result['worst_5pct']:.2%}")

Типичный вывод для BTC-like волатильности:

Средняя геом. доходность:  -17.34%
Теоретический drag:        -20.16%
Вероятность убытка:         63.28%
Worst 5%:                   -72.41%

Следствия для алготрейдинга

Риск-менеджмент и критерий Келли

1. Risk/Reward и критерий Келли

Зная об асимметрии убытков, оптимальный размер позиции вычисляется по критерию Келли:

$f^* = \frac{p \cdot W - (1 - p) \cdot L}{W \cdot L}$

где $p$ — вероятность выигрыша, $W$ — средний выигрыш, $L$ — средний проигрыш (как доля от ставки).

2. Максимальная просадка и размер позиции

$n = \frac{\ln(1 - D_{max})}{\ln(1 - S)}$

Пример: при $D_{max} = 20\%$ и стоп-лоссе $2\%$ :

$n = \frac{\ln(0.8)}{\ln(0.98)} = \frac{-0.2231}{-0.0202} \approx 11$

Стратегия может выдержать 11 последовательных стопов. Зная винрейт, можно оценить вероятность такой серии:

$P(n\ \text{стопов}) = (1 - WR)^n$

При винрейте 45%: $P = 0.55^{11} \approx 0.14\%$ — приемлемый риск.

3. Геометрическое ожидание стратегии

$E_{geo} = (1 + W)^p \times (1 - L)^{(1-p)} - 1$

Стратегия с $W = 3\%$ , $L = 1\%$ , $WR = 40\%$ :

$E_{geo} = 1.03^{0.4} \times 0.99^{0.6} - 1 = 1.01194 \times 0.99401 - 1 = +0.59\%$

Стратегия с $W = 3\%$ , $L = 3\%$ , $WR = 50\%$ (кажется «нулевой»):

$E_{geo} = 1.03^{0.5} \times 0.97^{0.5} - 1 = 1.01489 \times 0.98489 - 1 = -0.045\%$

Симметричная по R:R стратегия с 50% винрейтом убыточна из-за volatility drag.

Выводы для построения торговых систем

Конкретные правила:

Стоп-лоссы обязательны. Каждый процент убытка экспоненциально усложняет восстановление. Просадка свыше 25% (требует +33%) — красная зона.
Минимальный R:R = 1:2. При симметричном R:R даже 50% винрейт убыточен. Только асимметричный R:R в пользу прибыли компенсирует volatility drag.
Дробный Келли для позиционирования. Полный Келли оптимален теоретически, но на практике $f^{*}/2$ даёт 75% доходности при 50% волатильности эквити.
Волатильность — ваш враг при отсутствии edge. На боковом рынке высоковолатильных активов сам факт удержания позиции генерирует убыток. Если у вас нет статистического преимущества — не торгуйте.
Считайте геометрическое, а не арифметическое ожидание. Бэктест, показывающий среднюю прибыль на сделку, врёт — реальная доходность всегда ниже на величину $\frac{\sigma^2}{2}$ .

Заключение: считайте правильно — выживайте дольше

Три вопроса, которые стоит задавать перед каждой сделкой:

Если стоп сработает — смогу ли я восстановиться? Формула $R_{recovery} = \frac{x}{100-x}$ даёт ответ мгновенно. При риске на сделку более 10% восстановление начинает требовать непропорциональных усилий.
Есть ли у меня статистическое преимущество? Если нет — не торгуйте. Волатильность сама по себе гарантирует убыток через volatility drag. Отсутствие edge в условиях волатильности — это медленное, но неизбежное уничтожение капитала.
Каково геометрическое ожидание моей стратегии? Не средняя прибыль на сделку, не процент выигрышных позиций — именно $E_{geo}$ . Это единственная метрика, которая показывает реальную долгосрочную эффективность.

Цитирование

@article{soloviov2026lossprofitasymmetry,
  author = {Soloviov, Eugen},
  title = {Асимметрия убытков и прибылей: математика, которая убивает ваш депозит},
  year = {2026},
  url = {https://marketmaker.cc/ru/blog/post/loss-profit-asymmetry},
  version = {0.1.0},
  description = {Почему потеря 50% требует 100% роста для восстановления, как volatility drag уничтожает капитал даже на боковом рынке, и какие формулы должен знать каждый алготрейдер.}
}

Асимметрия убытков и прибылей: математика, которая убивает ваш депозит

Задача, которая ломает интуицию

Почему убытки «тяжелее» прибылей

Формула восстановления

Таблица асимметрии

Volatility drag: тихий убийца на боковом рынке

Формальное определение

Пример: боковик с дневной волатильностью 5%

Практическое применение: Python-моделирование

Следствия для алготрейдинга

1. Risk/Reward и критерий Келли

2. Максимальная просадка и размер позиции

3. Геометрическое ожидание стратегии

Выводы для построения торговых систем

Заключение: считайте правильно — выживайте дольше

Цитирование

Read More

Детектирование аномалий для защиты торговых ботов: от Z-Score до Transformer

От турбулентности к торговле: как уравнения Навье-Стокса революционизируют алготрейдинг

Аттракторы в HFT: когда математика встречается с рынком

Задача, которая ломает интуицию

Почему убытки «тяжелее» прибылей

Формула восстановления

Таблица асимметрии

Volatility drag: тихий убийца на боковом рынке

Формальное определение

Пример: боковик с дневной волатильностью 5%

Практическое применение: Python-моделирование

Следствия для алготрейдинга

1. Risk/Reward и критерий Келли

2. Максимальная просадка и размер позиции

3. Геометрическое ожидание стратегии

Выводы для построения торговых систем

Заключение: считайте правильно — выживайте дольше

Цитирование