संभावना के साथ जोखिम प्रबंधन: Kelly Criterion, VaR & Crash Detection

वह इंडिकेटर जो बताता है कि ट्रेड कब नहीं करना

अधिकतर इंडिकेटर एंट्री खोजने पर केंद्रित होते हैं। AIO Prediction Market Simulator कुछ मौलिक रूप से अलग करता है: यह किसी निश्चित लक्ष्य तक कीमत पहुंचने की संभावना की गणना करता है और उससे BUY/SHORT/WAIT/AVOID निर्णय उत्पन्न करता है। WAIT और AVOID स्थितियाँ संभवतः सबसे मूल्यवान संकेत हैं — कब बाहर रहना है यह जानना ही जोखिम प्रबंधन का सार है।

Kelly Criterion: इष्टतम पोजीशन साइज़िंग

Kelly Criterion एक एज दिए जाने पर पोजीशन साइज़िंग के लिए गणितीय रूप से इष्टतम फॉर्मूला है:

f* = (p × b - q) / b

जहाँ:

• p = जीतने की संभावना (Monte Carlo simulation से)
• q = हारने की संभावना (1 - p)
• b = जीत की राशि और हानि की राशि का अनुपात
• f* = जोखिम में लगाई जाने वाली पूंजी का अंश

Fractional Kelly क्यों?

Full Kelly गणितीय रूप से इष्टतम है लेकिन अत्यधिक drawdown उत्पन्न करता है। Full Kelly में 50% drawdown सामान्य बात है। AIO fractional Kelly का उपयोग करता है (crypto के लिए डिफ़ॉल्ट full Kelly का 15%, कम volatile बाज़ारों के लिए अधिक), जो कुछ रिटर्न की कुर्बानी देकर equity curve को काफी smooth बनाता है।

इंडिकेटर Market Type preset के आधार पर fractional Kelly को स्वचालित रूप से समायोजित करता है:

• Crypto: 15% Kelly (बहुत रूढ़िवादी — उच्च volatility)
• Stocks: 25% Kelly
• Forex: 30% Kelly
• Bonds: 40% Kelly (सबसे कम volatility)

Value at Risk (VaR) & Expected Shortfall

VaR इस सवाल का जवाब देता है: “X% विश्वास के साथ Y अवधि में सबसे खराब स्थिति में कितना नुकसान होने की उम्मीद रखनी चाहिए?”

AIO Monte Carlo paths से सीधे VaR की गणना करता है:

• VaR 95%: 1,500 simulated price paths में से 5वाँ percentile परिणाम। “केवल 5% परिदृश्य इससे बुरे हैं।”
• VaR 99%: 1st percentile परिणाम। अत्यंत नकारात्मक पक्ष।
• Expected Shortfall (CVaR): VaR से बुरे सभी परिदृश्यों का औसत। जहाँ VaR सीमा बताता है, वहीं ES बताता है कि उस सीमा को पार करने पर हालात कितने बुरे होंगे।

Importance Sampling के जरिए Crash Probability

Standard Monte Carlo दुर्लभ घटनाओं का अनुमान लगाने में बेकार है। 1,500 simulations चलाने पर, 2% crash probability का मतलब है केवल ~30 paths वास्तव में crash होते हैं — विश्वसनीय अनुमान के लिए बहुत कम।

AIO इसे Importance Sampling से हल करता है — quantitative finance की एक तकनीक:

1. Sampling distribution को तिरछा करें: वास्तविक दुनिया के distribution से sampling करने के बजाय, एक shifted distribution से sample करें जो crashes को अधिक संभावित बनाता है ($\mu$ को crash threshold से नीचे shift किया गया)
2. Simulations चलाएं: अधिक crash परिदृश्य उत्पन्न होते हैं
3. परिणामों को reweight करें: हर path की संभावना को likelihood ratio से समायोजित किया जाता है (tilted distribution ने इस path को real distribution की तुलना में कितना अधिक संभावित बनाया)
4. परिणाम: 10-100× अधिक प्रभावी samples के साथ Crash probability का अनुमान

Crash threshold को Market Type के अनुसार कैलिब्रेट किया जाता है (crypto default: 1 दिन में 5% crash; stocks: 3%)।

Particle Filter: Bayesian Probability Updating

जहाँ Monte Carlo एक forward-looking probability estimate प्रदान करता है, वहीं Particle Filter एक backward-looking estimate देता है जो हर नए bar के साथ अपडेट होता है:

1. Propagate: 200 particles process volatility के आधार पर संभावित भविष्य की स्थितियों का अनुकरण करते हैं
2. Reweight: हर particle को इस आधार पर score किया जाता है कि उसने वास्तविक observed price का कितना अच्छा अनुमान लगाया (observation noise पर आधारित exponential weighting)
3. Resample: कम weight वाले particles हटा दिए जाते हैं; उच्च-weight वाले particles दोहराए जाते हैं (systematic resampling)
4. Estimate: सभी particles से weighted average probability, PF probability देती है

Particle Filter Monte Carlo के लिए दूसरी राय की तरह काम करता है। जब दोनों सहमत होते हैं, तब विश्वास सबसे अधिक होता है।

4-Signal Decision Engine

ये सभी घटक एक सरल निर्णय framework में योगदान करते हैं:

1. MC Signal: क्या अधिक मजबूत Monte Carlo probability >33% है?
2. PF Agreement: क्या Particle Filter सहमत है (>54%)?
3. Bias Edge: क्या कोई मापनीय edge है (bull और bear के बीच >5% अंतर)?
4. Model Convergence: क्या Monte Carlo और Black-Scholes tolerance के भीतर सहमत हैं?

Decision States

• BUY / SHORT: 3-4 signals सहमत + crash risk स्वीकार्य → हरा/लाल marker
• BUY? / SHORT?: केवल 2 signals सहमत → संभव लेकिन अनिश्चित
• WAIT: Crash risk मध्यम → नारंगी marker — बाहर रहें
• AVOID: Crash risk गंभीर → गहरा लाल marker — पोजीशन बंद करें

Brier Score: क्या मॉडल काम कर रहा है?

हर N bars (configurable) पर, इंडिकेटर अपनी probability prediction रिकॉर्ड करता है और बाद में मूल्यांकन करता है कि परिणाम मेल खाया या नहीं। Brier Score calibration quality मापता है:

• Brier < 0.15: उत्कृष्ट calibration — मॉडल predictions विश्वसनीय हैं
• Brier 0.15-0.25: स्वीकार्य — मॉडल उपयोगी edge प्रदान करता है
• Brier > 0.25: खराब — मॉडल को parameter adjustment की आवश्यकता हो सकती है या market regime बदल गया है

यह self-auditing है — इंडिकेटर आपको बताता है जब इसकी अपनी predictions कमज़ोर हो रही हों, जो कोई अन्य TradingView इंडिकेटर नहीं करता।

व्यावहारिक जोखिम प्रबंधन Workflow

1. Decision State जांचें: केवल तभी ट्रेड करें जब state BUY या SHORT हो (WAIT/AVOID नहीं)
2. Crash Probability जांचें: यदि crash prob > 6%, तो पोजीशन घटाएं या flat रहें
3. Kelly % का उपयोग करके पोजीशन साइज़ सेट करें (info table में दिखाया गया)
4. VaR 95% level पर stop loss सेट करें
5. Brier Score जांचें: यदि >0.25, तो conviction और पोजीशन साइज़ 50% घटाएं
6. Signal alerts का उपयोग करें: “WAIT/AVOID → BUY/SHORT” transition alerts ठीक उस पल को पकड़ते हैं जब स्थितियाँ बेहतर होती हैं