حداقل نرخ برد

دو معامله‌گر هر کدام ماهی 20 معامله می‌کنند. یکی 45٪ برد دارد، دیگر 55٪. کدام سودده‌تر است؟ بدون نسبت میانگین سود به میانگین ضرر (R:R) جواب ناممکن است. ابزار FinAI نرخ برد سربه‌سر (Breakeven Win Rate) را از R:R می‌سازد: حداقل درصد معاملات برنده‌ای که قبل از هزینه‌ها، انتظار ریاضی صفر می‌شود. اگر win rate واقعی شما زیر این خط است، حجم بیشتر فقط سریع‌تر خالی می‌کند — حتی با اهرم «رایگان».

این صفحه آمار است، نه سیگنال. برای دلار هر پیپ و استاپ، ارزش پیپ و اندازه لات. برای US30، پوینت. برای محل ورود، پیوت یا فیبوناچی. سشن: فارکس. تومان: ارز.

فرمول پایه

اگر هر برد به ازای هر باخت R واحد بگیرد (Risk:Reward = 1:R)، breakeven win rate:

W_min = 1 ÷ (1 + R)

مثال: R = 2 (هدف دو برابر استاپ). W_min = 1/3 ≈ 33.33٪. یعنی یک سوم معاملات کافی است — نظری — قبل از اختلاف قیمت خرید و فروش و کمیسیون.

برعکس: از win rate به R لازم

اگر می‌دانید historically 40٪ برد دارید، breakeven R ≈ (1−0.4)/0.4 = 1.5 — یعنی میانگین برد باید 1.5 برابر میانگین ضرر باشد. FinAI هر دو جهت را پشتیبانی می‌کند بسته به ورودی.

R = 1:1 و trap 50٪

با R=1، W_min = 50٪. به نظر ساده — ولی بعد از هزینهٔ ورود، واقعاً 52–55٪ ممکن است لازم شود. اسکالپ با target کوچک اغلب win rate بالا و R کم — breakeven بالاتر از intuition.

R = 3 و trend follower

W_min = 25٪. trend systems با 35٪ برد می‌توانند سودده باشند — اگر slippage در breakout تحمل شود. حجم ثابت؛ افزایش lot پس از ضرر (مارتینگل) اینجا توصیه نمی‌شود — variance را منفجر می‌کند.

هزینه‌ها را حاشیه بگذارید

هر round-turn چند پیپ یا چند دلار کمیسیون — effective R کوچک‌تر، W_min بزرگ‌تر. در ارزش پیپ هزینه را به استاپ اضافه کنید mentally.

مثال عددی ژورنال

10 معامله: 4 برد each +60 pip، 6 باخت each −30 pip. Gross R effective = 60/30 = 2. Win rate 40٪. Breakeven برای R=2 = 33.3٪ — شما بالاترید. اگر 6 برد و 4 باخت با همان اعداد، win 60٪ — عالی. FinAI قبل از 10 معامله فقط theory می‌دهد.

Expectancy بعد از breakeven

E = W×AvgWin − (1−W)×AvgLoss. وقتی E>0، بالای breakeven هستید. ابزار W_min؛ expectancy را خودتان در Excel یا ژورنال.

RR روی نمودار vs واقعیت

روی چارت 1:3 کشیدید؛ fill بدتر، early exit — realized R = 1.8. W_min را با R واقعی بزنید نه ideal.

پیوت و win rate

معامله از R1 fade با target PP — R شاید 0.8 — W_min بالای 55٪. قبل از ورود FinAI را بزنید؛ شاید setup را رد کنید.

فیبوناچی pullback

Entry 61.8٪، target high B، stop زیر 78.6٪ — R گاهی 2+. Win rate historical روی جفت را در ژورنال جدا track کنید — سطح alone کافی نیست.

اهرم effective و psychology

Win rate پایین با R بالا drawdown طولانی دارد. Effective 30 یعنی یک losing streak equity را نصف می‌کند قبل از recovery آماری — حتی اگر W_min رعایت شود.

چند استراتژی هم‌زمان

Scalp W_min 55٪، swing W_min 30٪ — aggregate win rate معنی کم دارد. هر استراتژی خط breakeven خودش.

USD/JPY و US30

فرمول win rate به واحد پیپ/پوینت وابسته نیست — فقط نسبت دلاری سود متوسط به ضرر متوسط. برای تبدیل pip به $: پیپ، داو.

Kelly و breakeven

Kelly fraction از W و R می‌آید — aggressive. Breakeven خط floor است؛ Kelly سقف risk fraction — FinAI Kelly full نمی‌دهد؛ W_min safe baseline.

خطاهای رایج

1. حذف معاملات «آموزشی» از win rate — cherry pick.
2. R از بهترین معاملهٔ ماه، loss از worst.
3. confuse hit rate با profitability.

جدول mental سریع

• R=0.5 → W_min ≈ 66.7٪
• R=1 → 50٪
• R=1.5 → 40٪
• R=2 → 33.3٪
• R=3 → 25٪

سشن و win rate

همان setup در همپوشانی لندن–NY vs آسیا win rate متفاوت — breakeven theory یکی؛ reality split کنید.

بعد از 100 معامله

نرخ برد واقعی و R واقعی را در FinAI بزنید — آیا بالای W_min هستید؟ اگر نه، استراتژی یا اجرا را عوض کنید، نه امید به شانس فردا.

سری‌های باخت و ریاضیات

با W=35٪ و R=2، احتمال 5 باخت پشت سر هم ≈ 0.65^5 ≈ 12٪ — هر سال چند بار رخ می‌دهد. اگر effective بالا، همان streak حساب را تمام می‌کند. breakeven theory بلندمدت را نجات نمی‌دهد اگر equity در streak بمیرد.

نمونهٔ استراتژی breakout

R هدف 2.5، W واقعی 28٪. W_min = 1/3.5 ≈ 28.6٪ — روی لبه. یک معاملهٔ بد بدون slippage کافی است برای زیر خط. حجم را از لات conservative بگیرید.

نمونهٔ mean reversion روی پیوت

Target PP، stop بیرون S2 — R شاید 1.2، W_min ≈ 45٪. اگر ژورنال 42٪ نشان داد، edge منفی — حتی با پیوت «درست».

فیبوناچی و W بالاتر

Pullback به 38.2٪ گاهی win rate 55٪ با R=1 — W_min 50٪، بالای خط. هزینهٔ ورود می‌تواند edge را بخورد — سطح + accounting.

US30 و R به پوینت

اگر میانگین برد 80 پوینت و میانگین باخت 40، R=2 — W_min 33٪. دلار با ضریب قرارداد. win rate به پوینت independent است.

تفاوت hit rate و profit factor

Profit factor = gross profit/gross loss. PF>1 معادل بالای breakeven با همان R distribution. FinAI W_min ساده‌تر برای تصمیم سریع قبل از backtest کامل.

اهرم و معاملهٔ بیش از حد

نرخ برد پایین ولی expectancy مثبت — اگر بیست معامله در روز با هزینهٔ بالا، نرخ برد واقعی فرو می‌ریزد. کیفیت بر کمیت.

آموزش تیم: یک عدد روی دیوار

برای R=1.5 استراتژی تیم، W_min=40٪ را بنویسید. زیر 38٪ در 50 trade → review جلسه — بدون blame، با داده.

سناریوی ترکیبی pip و win

Balance 12k، risk 1٪، 25 pip stop، R=2 → target 50 pip. W_min 33٪. 100 trade/year با W=38٪ — expectancy positive before tax/swap — در پیپ dollar کنید.

ریسک فاجعه و tail

breakeven فرض می‌کند R ثابت — یک معاملهٔ بد با slippage ده برابر یک باخت معمول، کل سال را خراب می‌کند. در روز خبر حجم را در لات نصف کنید حتی اگر W_min رعایت شده.

مقایسهٔ دو استراتژی روی یک جفت

استراتژی الف: W=60٪، R=0.8 → W_min≈55.6٪ — بالای خط. استراتژی ب: W=30٪، R=3 → W_min=25٪ — بالای خط. ب افت سرمایهٔ طولانی‌تر دارد. FinAI temperament شما را انتخاب نمی‌کند.

کار با اکسل و FinAI

ستون برد/باخت در ژورنال → W هفتگی. هر هفته R میانگین → W_min تازه. سه هفته زیر خط = توقف معامله.

چه چیز نیست

• پیش‌بینی نرخ برد آینده
• محاسبه لات
• موتور بک‌تست

نسبت RR در فرم در برابر RR واقعی

در فرم 1:3 می‌زنید؛ خروج زودهنگام 1:1.5 — W_min باید با 1:1.5 حساب شود نه 1:3. ژورنال realized R را weekly average کنید و در FinAI همان را بگذارید.

معامله‌گر ایرانی و تومان

سود تومانی ذهنی ماه خوب را بزرگ‌تر نشان می‌دهد — W و R را فقط دلار حساب یا R-multiple track کنید تا نرخ ارز bias نسازد.

سؤالات FAQ ذهنی

آیا 70٪ برد همیشه خوب است؟ با R=0.5، W_min≈66.7٪ — barely. آیا 25٪ برد بد است؟ با R=4، W_min=20٪ — عالی اگر اجرا ثابت باشد.

ترکیب با فیبوناچی و پیوت

setup با R=2 و W تاریخی 40٪ روی 61.8٪ — بالای W_min 33٪. همان setup روی fade R1 با R=0.9 — W_min 52٪؛ شاید W تاریخی 48٪ = زیر خط.

هزینهٔ روانشناختی زیر خط

چند ماه W زیر W_min با «اما این ماه خوب بود» — survivorship bias. FinAI خط را بدون احساس می‌کشد؛ شما تصمیم pause.

R ثابت در برابر R توزیعی

بردها از 1.5R تا 4R مخلوط — میانگین R را برای W_min بگیرید. معاملات پرت را جدا گزارش کنید.

نمونه ماهانه

۲۲ معامله، ۹ برد، میانگین R=1.8 → W=41٪. W_min=1/2.8≈35.7٪ — بالای خط. هزینه 0.2R هر معامله → R مؤثر=1.6 → W_min≈38.5٪ — هنوز بالای خط با حاشیهٔ باریک.

تأثیر کمیسیون روی W_min

اگر هر round-turn نیم R بسوزاند، R مؤثر = R - 0.5. برای R_nominal=2، R_eff=1.5 → W_min=40٪ به‌جای 33٪. در ارزش پیپ هزینه را به پیپ تبدیل و از target کم کنید.

معاملات رایگان و W مصنوعی

بستن سریع در سود کوچک برای احساس خوب — W بالا، R کوچک — زیر W_min واقعی. FinAI با R صادقانه.

چند حساب دمو و واقعی

نرخ برد روی دمو با اجرای ایده‌آل؛ در حساب واقعی لغزش W را پایین می‌آورد. فقط معاملات واقعی در W_min.

لینک به پوینت داو

شاخص با R کوچک و نرخ برد بالا در اسکالپ — W_min بالاتر. دلار هر پوینت، W_min و اهرم مؤثر را قبل از سشن نیویورک با هم ببینید.

انتظار ریاضی ساده

اگر W=40٪ و هر برد +2R و هر باخت −1R، expectancy = 0.4×2 − 0.6×1 = +0.2R در هر معامله — بالای سربه‌سر. اگر W=40٪ و R=1، expectancy = −0.2R — زیر خط. FinAI W_min را می‌دهد؛ expectancy را با همان W و R خودتان یک خط محاسبه کنید تا شهود شما تقویت شود. این دو عدد با هم تصویر کامل‌تری از برتری آماری استراتژی شما در بلندمدت می‌دهند.

یک تمرین هفتگی

هر جمعه: تعداد معاملات، برد، میانگین R تحقق‌یافته، W محاسبه‌شده، W_min از FinAI. اگر W زیر W_min بود، هفتهٔ بعد حجم را در لات ده درصد کم کنید یا setup را حذف کنید — نه انتقام با اهرم بالاتر. بعد از چهار هفتهٔ پیاپی بالای خط، حجم را به حالت قبل برگردانید. این حلقهٔ ساده جلوی لغزش آهسته به سمت ورشکستگی را می‌گیرد.

جمع‌بندی

نرخ برد سربه‌سر = 1/(1+R). FinAI R را از شما می‌گیرد و خط قرمز آماری می‌کشد. کنار اندازه لات، ارزش پیپ، اهرم مؤثر، پیوت، فیبوناچی و پوینت داو — مدیریت کامل انتظار، نه فقط نقطهٔ ورود.