PPTFSlagingspercentage van een challenge
Het slagingspercentage van een challenge kun je niet te weten komen — je kunt het voor je eigen statistiek berekenen. Het model simuleert de fase vierduizend keer en laat zien wat vaker in de weg zit: de daglimiet, de maximale of een tekort aan trades.
Berekening
De mediaan van het aantal trades tot het doel is —. Vierduizend simulaties per set invoerwaarden, een generator van toevalsgetallen met een vast zaad: bij dezelfde parameters is het resultaat altijd hetzelfde, anders zijn twee varianten niet te vergelijken. Dit is een model en geen voorspelling; de aannames staan hieronder genoemd.
Hoeveel mensen een challenge werkelijk halen
Publieke statistiek die door de firma's zelf is bevestigd, bestaat niet. Aggregators in de propbranche publiceren schattingen: het halen van een challenge 5–10 %, bij eenfase-futuresprogramma's hoger; minstens één uitbetaling krijgt ongeveer de helft van wie een funded account bereikt. Dat zijn commerciële platformen en geen primaire bron, daarom moet je de cijfers als orde van grootte beschouwen en niet als feit.
Een eigen berekening is om één reden nuttiger dan het gemiddelde van anderen: dat gemiddelde omvat ook wie handelde met een omvang waarbij de daglimiet bij de derde stop werd doorbroken. Jouw kans hangt af van jouw cijfers, en die is direct te zien — beweeg de risicoschuif en kijk hoe de verdeling van de uitkomsten verandert.
Wat de verdeling van de uitkomsten laat zien
- Mislukking op de daglimiet overheerst
- De omvang is te groot: een reeks gewone stops sluit de dag. Dat verhelp je met een lager risico per trade en niet met precisie van instap.
- Mislukking op de maximale limiet overheerst
- De omvang is gematigd, maar de edge is te klein: het account zakt langzaam weg. Het risico verlagen rekt dat wegzakken alleen op.
- Veel «trades tekort»
- Het risico is te klein voor dit doel. De kans op mislukking is laag, maar het doel bereik je ook niet — de fase loopt tegen de tradelimiet of tegen de termijn aan.
Waarom het model meer geeft dan de schattingen van aggregators
Bij de standaardinvoer laat het model ongeveer 43 % halen zien, terwijl aggregators 5–10 % geven. Dat is geen tegenspraak: de cijfers antwoorden op verschillende vragen. Het model berekent wat er gebeurt als jouw winrate en gemiddelde R werkelijk zo zijn en dat de hele afstand blijven. Het aggregaat rekent alle kopers van een challenge mee — inclusief wie helemaal geen edge heeft en wie een omvang nam die twee keer te groot was.
Dat kun je hier direct controleren: zet het risico op 2,5 % in plaats van 1,5 % — het halen daalt bijna tot de helft bij precies dezelfde winrate en R. De edge is niet veranderd, alleen de omvang. Daaruit bestaat het gat tussen het modelcijfer en het marktgemiddelde in hoofdzaak.
Het niet-vanzelfsprekende: het aantal trades per dag beslist welke limiet je stopt
- Weinig trades per dag
- Bij drie trades gaat de daglimiet vrijwel nooit af: de verliezen krijgen geen tijd om binnen één etmaal op te lopen, en de mislukking komt via de maximale limiet — door langzaam wegzakken.
- Veel trades per dag
- Bij vijf en meer draait het beeld om: de daglimiet wordt de belangrijkste oorzaak van mislukking, omdat een reeks van drie of vier stops binnen één dag past.
- Wat je daarmee doet
- Dit is een schuif en geen constante: vul je eigen werkelijke aantal trades in. Dezelfde strategie met dezelfde statistiek haalt een challenge anders, afhankelijk van hoe de trades over de dagen zijn verdeeld.
De aannames van het model
De berekening is precies zo eerlijk als de aannames juist zijn. Die zijn simpel, en alle vier maken de kans hoger dan de werkelijkheid — het verkregen cijfer moet je dus als bovengrens beschouwen.
| Aanname | Hoe het in het leven is |
|---|---|
| Alle trades zijn onafhankelijk | Reeksen clusteren: de markt wisselt van regime, en verliezen komen in groepjes |
| R is bij alle trades gelijk | De echte R is gespreid, en de staart van grote verliezen is dikker dan in het model |
| De winrate is constant | Die verandert mee met het marktregime en met jouw toestand |
| Slippage en gaps bestaan niet | Een stop wordt bij nieuws en openingen slechter uitgevoerd dan de prijs |
Daarom antwoordt het model niet op de vraag «haal ik het». Het antwoordt op een andere, nuttiger vraag: welke van de limieten stopt je als eerste — en wat je moet veranderen zodat dat niet meer de belangrijkste oorzaak van mislukking is.
Hoe het wordt berekend
Een analytische formule heeft deze opgave niet: de uitkomst hangt af van de volgorde van de trades en niet alleen van hun samenstelling. Daarom loopt de berekening via simulatie — vierduizend gemodelleerde pogingen, waarin de trades één na één komen tot een van de vier uitkomsten intreedt.
| Stap van het model | Wat er gebeurt | In het voorbeeld |
|---|---|---|
| Één trade | met de kans van de winrate een winst van R risico, anders een verlies van één risico | 42 % op +1,5R, 58 % op −1R |
| Eén dag | het gestelde aantal trades op rij, het dagverlies loopt binnen de dag op | 5 trades per dag |
| Uitkomst van de poging | het doel van de fase, de daglimiet, de maximale limiet of het einde van de tradelimiet | 10 % · 5 % · 10 % · 200 trades |
| Resultaat | het aandeel pogingen dat met elk van de uitkomsten eindigde | 43,1 % haalt het |
De verwachting van één trade wordt apart berekend en in het oordeel getoond: winrate × R − (1 − winrate). Bij een winrate van 42 % en een gemiddelde R van 1,5 is dat +0,05 risico per trade — er is een edge, maar die is dun, en juist daarom hangt de uitkomst zo sterk van de limieten af.
Waarom het resultaat niet verandert na een herlaadactie. De generator van toevalsgetallen is deterministisch: dezelfde invoerwaarden geven hetzelfde cijfer. Dat is met opzet gedaan — anders zouden twee mensen met dezelfde cijfers verschillende resultaten krijgen en die niet kunnen vergelijken.
Hoe je het resultaat leest
Het absolute percentage is hier minder nuttig dan de verdeling van de oorzaken van mislukking: die laat zien wat je precies moet veranderen. Kijk welke van de drie mislukkingsuitkomsten de meest voorkomende is.
Het is nuttig ook het omgekeerde te controleren: zet het risico op 0,5 % en kijk hoe de kans op halen daalt, niet door de limieten, maar door het uitputten van de trades. Er bestaat een optimum in de omvang, en dat ligt niet aan de rand van het bereik — dat is de minst vanzelfsprekende conclusie van het model.
Veelgestelde vragen
Waarom verandert het resultaat niet bij dezelfde invoerwaarden?
De generator van toevalsgetallen werkt met een vast zaad. Dat is met opzet gedaan: bij «echte» toevalligheid zou het cijfer bij elke beweging van de schuif verschuiven, en zouden twee sets parameters niet te vergelijken zijn.
Welke winrate en R vul je in als er geen statistiek is?
Geen. «Op het oog» ingevulde cijfers geven een antwoord dat je niet kunt vertrouwen — en het ziet er net zo overtuigend uit als een echt antwoord. Eerst tweehonderd trades eigen historie, dan het model.
Waarom verhoogt een lager risico niet altijd de kans?
Omdat het in twee richtingen werkt: mislukking op de limiet wordt zeldzamer, maar het doel van de fase bereik je langzamer en loop je vaker tegen de tradelimiet aan. Op de grafiek is dat te zien als een verschuiving van «daglimiet» naar «trades tekort». Het optimum ligt gewoonlijk niet aan de rand.
Houdt het model rekening met minimale handelsdagen?
Nee, daarvoor is het dagplan: daar bepalen de minimale dagen en de consistency rule de duur van de fase. Hier wordt de kans berekend om het doel te bereiken zonder de drawdownlimieten te overtreden.
Wat is gemiddelde R en hoe bereken je die?
Het is de verhouding van de gemiddelde winsttrade tot het gemiddelde verlies, uitgedrukt in eenheden risico. Je telt alle winsten op, deelt door hun aantal, doet hetzelfde voor de verliezen, en deelt het eerste door het tweede. R = 1,5 betekent dat de gemiddelde plus anderhalf keer groter is dan de gemiddelde min.
Waarom vierduizend simulaties en niet meer?
Omdat het cijfer daarna niet meer verandert binnen een tiende procent, terwijl de berekening bij het bewegen van de schuif direct moet lopen. Meer simulaties zouden hetzelfde cijfer geven en een merkbare vertraging.
Hoeveel trades moet je in je historie hebben om het model te kunnen vertrouwen?
Zo'n tweehonderd als minimum. Bij een kleinere steekproef zijn winrate en gemiddelde R te grof geschat: een verschuiving van vijf procentpunten verandert de kans op halen meervoudig.
Waarom houdt het model geen rekening met reeksen op rij?
Omdat het de trades als onafhankelijk rekent, terwijl ze in het leven clusteren: de markt wisselt van regime, en verliezen komen in groepjes. Dat is een van de vier aannames, en alle maken de kans hoger. Het verkregen cijfer is een bovengrens en geen schatting.
Kun je met dit model twee platformen vergelijken?
Ja, en dat is de belangrijkste toepassing ervan. Vul je eigen statistiek en de limieten van het eerste platform in, noteer de verdeling van de uitkomsten, daarna de limieten van het tweede. Het zaad staat vast, dus het verschil in cijfers komt van de voorwaarden en niet van toeval.
Wat is belangrijker om te halen: de winrate of R?
Hun product. Een winrate van 40 % bij R = 2 geeft een positieve verwachting, en een winrate van 55 % bij R = 0,8 een negatieve. Daarom is strategieën op de winrate alleen vergelijken zinloos.
Verder lezen
