طراحی ربات با محدودیت Drawdown

مدیریت ریسک و حفظ سرمایه، اصلی‌ترین ستون پایداری در بازارهای مالی به شمار می‌رود. در حوزه معامله‌گری الگوریتمی، کنترل افت سرمایه (Drawdown) اهمیت دوچندانی دارد؛ زیرا بسیاری از ربات‌های معاملاتی یا اکسپرت ادوایزر (Expert Advisor – EA) به دلیل مدیریت نادرست افت حساب، در مواجهه با شرایط غیرمنتظره بازار دچار زیان‌های سنگین می‌شوند.

هدف از طراحی سیستم‌های معامله‌گری با محدودیت سخت‌گیرانه افت سرمایه، محافظت از بالانس و اکویتی حساب در برابر نوسانات شدید، جلوگیری از کال‌مارجین و حفظ نرخ رشد مستمر و منطقی در بلندمدت است. الگوریتم‌های مدرن باید بتوانند در شرایط بحرانی، با اقداماتی مانند کاهش حجم معامله، بستن پوزیشن‌های پرریسک یا توقف کامل فعالیت، از فرسایش سرمایه معامله‌گر جلوگیری کنند.

۱. مفاهیم پایه افت سرمایه

شناخت دقیق مفاهیم مرتبط با افت سرمایه (Drawdown) نخستین گام در معماری یک ربات معاملاتی استاندارد است. افت سرمایه به میزان کاهش ارزش حساب معاملاتی از بالاترین نقطه اوج تا پایین‌ترین سطح پیش از ثبت یک اوج جدید گفته می‌شود.

افت سرمایه مطلق

افت سرمایه مطلق (Absolute Drawdown) تفاوت میان سرمایه اولیه و پایین‌ترین سطح ارزش حساب در طول دوره معاملات است. این شاخص نشان می‌دهد حساب نسبت به سرمایه اولیه چه مقدار زیان را تجربه کرده است.

افت سرمایه نسبی

افت سرمایه نسبی (Relative Drawdown)، حداکثر افت حساب را به‌صورت درصدی نسبت به بالاترین نقطه اکویتی یا بالانس محاسبه می‌کند:

[
\text{Relative Drawdown} = \frac{\text{High-Water Mark} – \text{Current Equity}} {\text{High-Water Mark}} \times 100 ]

حداکثر افت سرمایه

حداکثر افت سرمایه (Maximum Drawdown – Max DD) بزرگ‌ترین افت درصدی یا عددی تجربه‌شده در یک دوره زمانی مشخص است. این شاخص یکی از مهم‌ترین معیارها برای ارزیابی ریسک استراتژی محسوب می‌شود.

افت سرمایه شناور

در افت سرمایه شناور (Trailing Drawdown)، سطح آستانه زیان مجاز همراه با رشد حساب به سمت بالا حرکت می‌کند، اما با افت حساب پایین نمی‌آید. این مکانیسم در بسیاری از شرکت‌های سرمایه‌گذاری معاملاتی (Prop Trading Firms) استفاده می‌شود و به‌ویژه برای حفاظت از سودهای ایجادشده اهمیت دارد.

۲. اهمیت محدودیت Drawdown

ناهمتقارنی ریاضی میان زیان و بازگشت سرمایه، ضرورت وجود محدودیت افت سرمایه (Drawdown Limit) را نشان می‌دهد.

اگر حسابی ۵۰ درصد افت سرمایه داشته باشد، برای بازگشت به نقطه سر‌به‌سر به ۱۰۰ درصد سود نیاز دارد. در صورت افت ۸۰ درصدی، حساب باید ۴۰۰ درصد رشد کند تا زیان واردشده جبران شود.

رابطه سود موردنیاز برای جبران زیان به شکل زیر است:

\text{Required Recovery Return}

\frac{\text{Drawdown}}{1-\text{Drawdown}}
\times 100 ]

در این فرمول، مقدار Drawdown به‌صورت اعشاری وارد می‌شود. برای نمونه، در افت ۵۰ درصدی:

[
\frac{0.50}{1-0.50}\times100 = 100% ]

این موضوع نشان می‌دهد کنترل زیان‌های متوالی و جلوگیری از ورود به دره‌های عمیق افت سرمایه، از نرخ برد یا سود هر معامله اهمیت بیشتری دارد. رباتی که فاقد مکانیزم‌های کنترلی باشد، ممکن است در دوره‌ای از نوسانات نامتعارف، در اثر زیان‌های پی‌درپی دچار فروپاشی مالی شود.

۳. شاخص‌های ارزیابی ریسک و بازده

ارزیابی کیفیت عملکرد ربات معاملاتی بدون تحلیل نسبت‌های ریسک به بازده مبتنی بر افت سرمایه کامل نیست.

نسبت شارپ

نسبت شارپ (Sharpe Ratio) بازدهی مازاد نسبت به نرخ بدون ریسک را با نوسانات کل مقایسه می‌کند. این شاخص برای ارزیابی بازده تعدیل‌شده بر اساس ریسک عمومی کاربرد دارد.

نسبت سورتینو

نسبت سورتینو (Sortino Ratio) تنها نوسانات منفی یا ریسک نامطلوب را در محاسبات خود لحاظ می‌کند. از این رو، برای استراتژی‌هایی که نوسان مثبت و منفی آن‌ها نامتقارن است، معیار مناسب‌تری نسبت به نسبت شارپ محسوب می‌شود.

نسبت کالمار

در حوزه کنترل افت سرمایه، نسبت کالمار (Calmar Ratio) یکی از کاربردی‌ترین شاخص‌هاست و از تقسیم بازده سالانه بر حداکثر افت سرمایه به دست می‌آید:

\text{Calmar Ratio}

\frac{\text{Annualized Return}}
{\text{Maximum Drawdown}} ]

هرچه این نسبت بیشتر باشد، استراتژی توانسته است بازده بالاتری را با افت سرمایه کمتری ایجاد کند.

شاخص اولسر

شاخص اولسر (Ulcer Index) عمق و مدت‌زمان ماندگاری حساب در وضعیت افت سرمایه را اندازه‌گیری می‌کند. این شاخص برخلاف معیارهایی که فقط حداکثر افت را بررسی می‌کنند، فرسایشی‌بودن دوره زیان را نیز در نظر می‌گیرد.

ربات‌های موفق تنها حداکثر افت سرمایه را محدود نمی‌کنند، بلکه زمان بازگشت سرمایه (Recovery Time) را نیز کاهش می‌دهند تا سرمایه‌گذار در دوره‌های فرسایشی بازار با فشار روانی و کاهش نقدینگی مواجه نشود.

۴. معماری مدیریت ریسک

معماری سیستم کنترل ریسک در یک ربات معاملاتی باید دست‌کم از دو لایه تشکیل شود:

مدیریت ریسک محلی (Local Risk Manager) در سطح هر معامله
مدیریت ریسک سراسری (Global Risk Manager) در سطح کل حساب

مدیریت ریسک محلی

لایه محلی برای هر معامله وظایف زیر را بر عهده دارد:

محاسبه حجم معامله (Position Size)
تعیین حد زیان (Stop Loss)
تعیین حد سود (Take Profit)
برآورد ریسک دلاری معامله
بررسی فاصله حد زیان و شرایط نوسان بازار
کنترل ریسک در برابر اسپرد و اسلیپیج

مدیریت ریسک سراسری

مدیریت ریسک سراسری به‌عنوان ناظر کل حساب، فعالیت تمام معاملات و سفارش‌ها را بررسی می‌کند. این لایه باید موارد زیر را به‌صورت پیوسته پایش کند:

اکویتی فعلی
بالانس فعلی
زیان‌های شناور
زیان‌های تثبیت‌شده
افت سرمایه روزانه
افت سرمایه کلی
ریسک تجمعی نمادها و معاملات همبسته

اگر مجموع زیان در یک روز معاملاتی یا در کل دوره از سقف مجاز عبور کند، مدیریت ریسک سراسری باید سفارش‌های فعال را لغو، پوزیشن‌های باز را مدیریت یا بسته و ادامه فعالیت معاملاتی را متوقف کند.

۵. استفاده از High-Water Mark

پیاده‌سازی بیشینه ارزش حساب (High-Water Mark – HWM) اساس محاسبات سیستم‌های پیشرفته کنترل افت سرمایه است.

High-Water Mark بالاترین مقداری است که اکویتی حساب تاکنون به آن رسیده است. ربات باید با هر تغییر قیمت، اکویتی فعلی را با HWM مقایسه کند. اگر اکویتی فعلی رکورد جدیدی ثبت کرد، مقدار HWM به‌روزرسانی می‌شود.

افت سرمایه لحظه‌ای از رابطه زیر به دست می‌آید:

\text{Current Drawdown}

\frac{\text{HWM} – \text{Current Equity}}
{\text{HWM}} \times 100 ]

برای نمونه، اگر HWM برابر با ۱۰۰٬۰۰۰ واحد پولی و اکویتی فعلی برابر با ۹۵٬۰۰۰ باشد:

[
\frac{100000-95000}{100000}\times100 = 5% ]

اگر مقدار افت سرمایه از آستانه مشخص، برای مثال ۵ درصد، عبور کند، ربات می‌تواند ابتدا وارد فاز هشدار شود و در صورت ادامه زیان، فاز توقف کامل فعالیت را فعال کند.

۶. محدودیت افت سرمایه روزانه

محدودیت افت سرمایه روزانه (Daily Drawdown Limit) یکی از حیاتی‌ترین ماژول‌ها در الگوریتم‌های مدرن، به‌ویژه برای حساب‌های چالش پروپ‌فرم‌هاست.

این محدودیت معمولاً بر اساس بالانس شروع روز یا اکویتی شروع روز محاسبه می‌شود. در برخی قوانین، مقدار بزرگ‌تر میان این دو معیار مبنا قرار می‌گیرد:

\text{Daily Reference}

\max(\text{Start-of-Day Balance},\text{Start-of-Day Equity})
]

ربات باید در ابتدای هر روز معاملاتی، بر اساس ساعت سرور، مقدار مرجع را ذخیره کند و در طول روز مجموع سود و زیان معاملات بسته‌شده و باز را پایش نماید.

افت سرمایه روزانه را می‌توان به شکل زیر محاسبه کرد:

\text{Daily Drawdown}

\frac{\text{Daily Reference} – \text{Current Equity}}
{\text{Daily Reference}} \times 100 ]

هنگامی که افت سرمایه روزانه به محدوده بحرانی نزدیک می‌شود، ربات می‌تواند اقدامات پلکانی زیر را اجرا کند:

کاهش ۵۰ درصدی حجم معاملات بعدی
جلوگیری از ورود به معاملات جدید
بستن معاملات پرریسک
بستن بخشی از معاملات سودده برای کاهش ریسک
فعال‌سازی کلید قطع اضطراری (Kill Switch)

۷. تنظیم پویای حجم معامله

الگوریتم‌های تنظیم پویای حجم معامله (Dynamic Position Sizing) ابزار مؤثری برای جلوگیری از رسیدن حساب به سقف افت سرمایه هستند.

در این مدل، حجم معامله عددی ثابت یا درصدی ثابت از بالانس نیست، بلکه بر اساس افت سرمایه فعلی، نوسانات و میزان ریسک باقی‌مانده تعیین می‌شود.

برای نمونه، اگر افت سرمایه فعلی به نیمی از حد مجاز رسیده باشد، سیستم مدیریت ریسک می‌تواند حجم معاملات جدید را به ۵۰ درصد حجم استاندارد کاهش دهد.

یک مدل ساده برای کاهش حجم می‌تواند به صورت زیر تعریف شود:

\text{Position Size Factor}

\max\left(
0,, 1-\frac{\text{Current Drawdown}} {\text{Maximum Allowed Drawdown}} \right) ]

حجم نهایی معامله برابر است با:

\text{Adjusted Position Size}

\text{Base Position Size}
\times \text{Position Size Factor} ]

این فرآیند در دوره‌های نامساعد و هنگام شکل‌گیری سلسله زیان‌ها (Losing Streak) سرعت فرسایش حساب را کاهش می‌دهد و به الگوریتم فرصت بیشتری برای خروج از شرایط نامناسب بازار می‌دهد.

۸. حجم‌دهی بر پایه نوسان و ATR

استفاده از میانگین دامنه واقعی (Average True Range – ATR) در کنار مدیریت افت سرمایه، رفتار ربات را با ساختار نوسان بازار هماهنگ می‌کند.

در دوره‌هایی که نوسان بازار شدید است، احتمال لمس حد زیان و ایجاد افت سرمایه سریع افزایش می‌یابد. ربات با استفاده از ATR می‌تواند:

فاصله حد زیان را افزایش دهد؛
حجم معامله را متناسب با افزایش فاصله حد زیان کاهش دهد؛
ارزش دلاری ریسک در هر معامله را ثابت نگه دارد.

در این روش، حد زیان معمولاً بر اساس ضریبی از ATR تعیین می‌شود:

\text{Stop Loss Distance}

\text{ATR}
\times \text{ATR Multiplier} ]

حجم معامله نیز باید به گونه‌ای انتخاب شود که زیان احتمالی در صورت فعال‌شدن حد زیان از مقدار ریسک مجاز بیشتر نشود:

\text{Position Size}

\frac{\text{Allowed Risk Amount}}
{\text{Stop Loss Distance} \times \text{Value Per Price Unit}} ]

این تکنیک که حجم‌دهی بر پایه نوسان (Volatility-Based Sizing) نام دارد، از انباشت زیان‌های ناگهانی در زمان انتشار اخبار اقتصادی و بروز شوک‌های قیمتی جلوگیری می‌کند.

۹. کنترل استراتژی‌های پرریسک

رفتار استراتژی‌هایی مانند مارتینگل (Martingale Strategy) و گرید (Grid Strategy) ضرورت وجود محدودیت‌های سخت‌گیرانه Drawdown را دوچندان می‌کند.

استراتژی‌های گرید و مارتینگل معمولاً با دو برابرکردن حجم در معاملات زیان‌ده یا بازکردن پوزیشن‌های متعدد بدون حد زیان مشخص، منحنی سود نسبتاً همواری ایجاد می‌کنند؛ اما در برابر حرکت‌های یک‌طرفه بازار، پتانسیل تخریب ناگهانی حساب را دارند.

طراحی ربات بر پایه این استراتژی‌ها بدون محدودیت افت سرمایه شناور می‌تواند ریسک کال‌مارجین را بسیار بالا ببرد. وجود یک لایه قطع اضطراری بر اساس اکویتی ممکن است در برخی موارد باعث تثبیت زیان شود، اما از نابودی کامل حساب جلوگیری می‌کند.

برای این استراتژی‌ها باید محدودیت‌های زیر در نظر گرفته شود:

سقف تعداد معاملات هم‌زمان
سقف مجموع حجم معاملات
سقف فاصله یا تعداد لایه‌های گرید
ممنوعیت افزایش حجم پس از عبور از حد مشخص زیان
حداکثر زیان شناور مجاز
توقف کامل در صورت افت سریع اکویتی

۱۰. انطباق با قوانین Prop Firm

طراحی الگوریتم‌های منطبق با قوانین شرکت‌های پروپ‌فرم (Prop Firm Rules) به ساختار محاسباتی دقیق نیاز دارد.

پروپ‌فرم‌ها معمولاً محدودیت‌هایی مانند موارد زیر اعمال می‌کنند:

حداکثر افت سرمایه روزانه ۵ درصد
حداکثر افت سرمایه کلی ۱۰ درصد
محدودیت افت سرمایه شناور
ممنوعیت نگهداری معامله در زمان اخبار یا پایان هفته
محدودیت حجم و تعداد معاملات

در مدل Trailing Equity Drawdown، آستانه مجاز همراه با رشد اکویتی افزایش می‌یابد، اما با افت اکویتی پایین نمی‌آید.

ربات مورد استفاده در چنین محیطی باید دارای محاسبه‌گر حاشیه ایمنی (Safety Buffer Calculator) باشد. پیش از بازکردن هر معامله، این محاسبه‌گر باید بررسی کند که آیا زیان احتمالی معامله، با احتساب اسپرد و اسلیپیج (Slippage)، باعث عبور از خطوط قرمز پروپ‌فرم می‌شود یا خیر.

حاشیه ایمنی را می‌توان به شکل زیر تعریف کرد:

\text{Safety Buffer}

\text{Allowed Loss}

\text{Current Loss}
]

معامله جدید تنها زمانی مجاز است که زیان احتمالی آن کمتر از حاشیه ایمنی باقی‌مانده باشد:

[
\text{Potential Trade Loss} < \text{Safety Buffer} ]

۱۱. عدم تقارن در بازیابی

تکنیک عدم تقارن در بازیابی (Asymmetric Recovery Logic) یکی از رویکردهای پیشرفته در طراحی ربات‌های معاملاتی است.

پس از تجربه یک دوره افت سرمایه سنگین، سیستم نباید بلافاصله به حجم معاملات قبلی بازگردد. حتی پس از ثبت چند معامله موفق، افزایش حجم باید تدریجی و مرحله‌ای انجام شود تا اطمینان حاصل شود الگوریتم دوباره با شرایط بازار هماهنگ شده است.

یک فرآیند بازیابی می‌تواند شامل مراحل زیر باشد:

توقف یا کاهش شدید معاملات پس از عبور از آستانه زیان.
بازگشت تدریجی با حجم کم.
بررسی تعداد مشخصی معامله یا دوره معاملاتی موفق.
افزایش مرحله‌ای حجم در صورت حفظ ریسک در محدوده مجاز.
بازگشت کامل به حجم پایه تنها پس از تأیید ثبات عملکرد.

این روش مانع می‌شود که یک زیان جدید بلافاصله پس از دوره افت، حساب را به سطح عمیق‌تری از Drawdown وارد کند.

۱۲. فیلتر همبستگی نمادها

فیلتر همبستگی نمادها (Correlation Filtering) در کنترل افت سرمایه سبد معاملاتی اهمیت زیادی دارد.

اجرای هم‌زمان چند ربات روی جفت‌ارزهایی با همبستگی مثبت شدید، مانند EURUSD و GBPUSD، می‌تواند ریسک واقعی سبد را چند برابر کند. در این حالت، معاملات ظاهراً مستقل در عمل تحت تأثیر یک عامل مشترک قرار دارند.

ربات هوشمند باید پیش از ورود به پوزیشن جدید:

همبستگی تاریخی نمادها را محاسبه کند؛
ریسک فعال روی نمادهای مرتبط را جمع بزند؛
جهت معاملات همبسته را بررسی کند؛
ریسک کل سبد را با سقف مجاز مقایسه کند.

اگر مجموع ریسک همبسته از حد مشخص بیشتر باشد، ورود به معامله جدید باید رد یا به زمان دیگری موکول شود.

۱۳. منطق کنترل Drawdown در ربات

پیاده‌سازی کنترل افت سرمایه در محیط‌هایی مانند MQL5 یا Python نیازمند ساختاری پایدار و قابل اتکاست. ربات باید در هر چرخه بررسی، پارامترهای زیر را بازخوانی کند:

اکویتی لحظه‌ای
بالانس
High-Water Mark
اکویتی شروع روز
حداکثر افت سرمایه کلی
حداکثر افت سرمایه روزانه
زیان احتمالی معاملات باز
وضعیت اتصال و اجرای سفارش‌ها

منطق کلی سیستم به این ترتیب است:

دریافت اکویتی و بالانس فعلی.
به‌روزرسانی High-Water Mark در صورت ثبت رکورد جدید.
تشخیص تغییر روز بر اساس زمان سرور.
ذخیره اکویتی یا مقدار مرجع شروع روز.
محاسبه افت سرمایه کلی و روزانه.
مقایسه مقادیر محاسبه‌شده با آستانه‌های مجاز.
اجرای اقدامات هشدار، کاهش حجم یا توقف کامل.
در صورت فعال‌شدن Kill Switch، بستن پوزیشن‌های باز، لغو سفارش‌های معلق، ارسال هشدار و غیرفعال‌کردن معاملات جدید.
ادامه منطق معاملاتی تنها در صورتی که تمام محدودیت‌ها رعایت شده باشند.

در این سیستم، مقدار High-Water Mark، زمان آخرین بررسی روزانه و وضعیت Kill Switch باید به‌صورت پایدار ذخیره شوند تا پس از راه‌اندازی مجدد ربات یا قطع اتصال، اطلاعات حیاتی از بین نرود.

۱۴. اعتبارسنجی با بک‌تست

اعتبارسنجی سیستم‌های محدودکننده افت سرمایه باید از طریق پشت‌نویسی و تست بک‌تست (Backtesting) استاندارد انجام شود.

اتکا به بک‌تست‌های ساده، بدون درنظرگرفتن شرایط واقعی اجرا، می‌تواند به خوش‌بینی کاذب منجر شود. عوامل زیر باید در آزمایش‌ها لحاظ شوند:

اسپرد شناور
اسلیپیج
تأخیر اجرای سفارش
ردشدن سفارش
تغییر نقدشوندگی
شکاف‌های قیمتی
زمان انتشار اخبار
محدودیت‌های حجم و مارجین
خطاهای ارتباطی

استفاده از داده‌های تیک واقعی با دقت بالا برای ارزیابی رفتار ربات در زمان ایجاد افت سرمایه ضروری است. همچنین باید رفتار سیستم در دوره‌های بحران اقتصادی گذشته، مانند بحران مالی سال ۲۰۰۸ و نوسانات شدید دوره کرونا، بررسی شود تا مشخص شود مکانیزم کنترل ریسک در شرایط حدی بازار چگونه عمل می‌کند.

۱۵. شبیه‌سازی مونت‌کارلو

شبیه‌سازی مونت‌کارلو (Monte Carlo Simulation) برای پیش‌بینی احتمال وقوع افت سرمایه‌ای فراتر از داده‌های تاریخی ضروری است.

در این روش، ترتیب معاملات ثبت‌شده در بک‌تست صدها یا هزاران بار به‌صورت تصادفی جابه‌جا می‌شود. خروجی شبیه‌سازی، توزیع آماری سناریوهای مختلف را نشان می‌دهد و مشخص می‌کند در صورت تغییر ترتیب بردها و باخت‌ها، حداکثر افت سرمایه تا چه اندازه ممکن است افزایش یابد.

بر اساس نتایج مونت‌کارلو، طراح ربات می‌تواند آستانه قطعی حد مجاز افت سرمایه (Drawdown Threshold) را با سطح اطمینان آماری ۹۵ یا ۹۹ درصد تعیین کند.

برای نمونه، اگر در صدک ۹۵ توزیع شبیه‌سازی، حداکثر افت سرمایه برابر با ۸ درصد باشد، تعیین حد توقف روی ۱۰ درصد می‌تواند حاشیه‌ای برای شرایط نامطلوب باقی بگذارد. این مقدار باید با قوانین حساب، کیفیت داده‌ها و خطای اجرای واقعی هماهنگ شود.

۱۶. جلوگیری از بیش‌برازش

یکی از خطاهای رایج در بهینه‌سازی ربات‌ها، بیش‌برازش (Overfitting) است. در این حالت، طراح پارامترهای ربات را به‌گونه‌ای تنظیم می‌کند که منحنی افت سرمایه در بک‌تست کاملاً هموار شود، اما ربات در داده‌های جدید یا حساب واقعی عملکرد ضعیفی داشته باشد.

برای کاهش این خطر، استفاده از تحلیل ارزیابی پیشرو (Walk-Forward Analysis) ضروری است. در این روش:

بخشی از داده‌ها برای بهینه‌سازی استفاده می‌شود؛
بخش دیگری که در فرآیند بهینه‌سازی نقشی نداشته، برای اعتبارسنجی کنار گذاشته می‌شود؛
عملکرد ربات در داده‌های خارج از نمونه (Out-of-Sample Data) بررسی می‌شود؛
نتایج چند دوره مختلف با یکدیگر مقایسه می‌شوند.

هدف، یافتن پارامترهایی نیست که بهترین نتیجه تاریخی را ایجاد کنند، بلکه باید تنظیماتی پیدا شود که در شرایط متنوع بازار، عملکردی پایدار و قابل‌قبول داشته باشند.

۱۷. تغییر رژیم نوسانات

تکنیک‌های مدیریت ریسک فازیک و استفاده از تغییر رژیم نوسانات (Volatility Regime Switching) به ربات اجازه می‌دهد حالت‌های مختلف بازار را تشخیص دهد؛ از جمله:

بازار رونددار
بازار نوسانی و خنثی
بازار کم‌نوسان
بازار پرنوسان بحرانی

این تشخیص می‌تواند با مدل‌های آماری یا یادگیری ماشین انجام شود. زمانی که الگوریتم ورود بازار به فاز آشفتگی را تشخیص می‌دهد، می‌تواند اقدامات زیر را اجرا کند:

کاهش حجم معاملات
کاهش حداکثر ریسک هر معامله
سخت‌گیرانه‌ترکردن شرایط ورود
افزایش فاصله زمانی میان معاملات
کاهش حد مجاز افت سرمایه
توقف موقت معاملات جدید

این رویکرد پیشگیرانه کمک می‌کند افت سرمایه پیش از فعال‌شدن Kill Switch مدیریت شود.

۱۸. انتقال از حساب آزمایشی به حساب واقعی

مدیریت فنی انتقال ربات از محیط آزمایشی به حساب واقعی (Live Trading Account) آخرین مرحله چرخه طراحی است.

تفاوت‌های زیرساختی میان حساب آزمایشی و واقعی ممکن است عملکرد ربات را تغییر دهد، از جمله:

نقدشوندگی متفاوت تأمین‌کننده
سرعت اجرای سفارش
میزان اسلیپیج
تفاوت اسپرد
رد یا تغییر قیمت سفارش
قطعی اینترنت
اختلال سرور کارگزاری
قطعی یا تأخیر سرور اختصاصی مجازی (Virtual Private Server – VPS)

ربات باید ابزارهای ارزیابی سلامت زیرساخت را در اختیار داشته باشد و موارد زیر را پایش کند:

وضعیت اتصال به کارگزاری
زمان آخرین تیک دریافتی
تأخیر ارتباطی
وضعیت اجرای سفارش‌ها
فعال‌بودن حد زیان
وضعیت سرور و VPS
وجود سفارش‌های بدون پوشش ریسک

در صورت قطع ارتباط یا اجرا‌نشدن حد زیان توسط کارگزاری، سیستم باید در سریع‌ترین زمان ممکن اقدامات جایگزین را انجام دهد؛ برای مثال ارسال مجدد سفارش، کاهش حجم، بستن اضطراری پوزیشن یا توقف کامل معاملات.

جمع‌بندی

طراحی ربات با محدودیت Drawdown صرفاً به قراردادن یک حد زیان یا تعیین درصدی ثابت برای ریسک هر معامله محدود نمی‌شود. یک سیستم حرفه‌ای باید افت سرمایه را در چند سطح، از معامله منفرد تا کل حساب و سبد معاملاتی، به‌صورت لحظه‌ای پایش کند.

اجزای اصلی چنین سیستمی عبارت‌اند از:

High-Water Mark
محدودیت افت سرمایه کلی
محدودیت افت سرمایه روزانه
مدیریت ریسک محلی و سراسری
تنظیم پویای حجم معامله
حجم‌دهی بر پایه ATR و نوسان
Kill Switch
فیلتر همبستگی نمادها
حاشیه ایمنی برای قوانین پروپ‌فرم
منطق بازیابی تدریجی
بک‌تست با داده‌های تیک واقعی
شبیه‌سازی مونت‌کارلو
Walk-Forward Analysis
پایش زیرساخت و اجرای سفارش

ربات سودآور اما فاقد کنترل افت سرمایه، در بلندمدت پایدار نیست. هدف نهایی طراحی الگوریتم معاملاتی، بیشینه‌کردن سود در کوتاه‌ترین زمان نیست؛ بلکه حفظ سرمایه، محدودکردن زیان‌های غیرقابل‌جبران و ایجاد فرآیندی است که بتواند در شرایط عادی و بحرانی بازار به فعالیت خود ادامه دهد.