「3:1以下のリスク・リワードのトレードは絶対にするな」。このアドバイスを聞いたことがあるでしょう。賢そうに聞こえます。しかし、不完全です。
リスク・リワード比率は重要ですが、ほとんどのトレーダーが考えるような単純な方法ではありません。実際の数学には確率が含まれており、それを無視するとより悪いトレード判断につながります。
リスク・リワードが実際にどう機能するかをお伝えします。
基本的な数学
リスク・リワード比率は、失う可能性のあるものと得る可能性のあるものを比較します。
公式：リスク・リワード比率 = 潜在的損失 / 潜在的利益
例：
- エントリー：$100
- ストップロス：$95（$5のリスク）
- ターゲット：$115（潜在的利益$15）
- リスク・リワード：1:3（$1のリスクで$3を得る）
紙の上では良く見えます。2回間違えても1回正しければまだ利益が出ます。しかし、これは重要なことを無視しています：トレードは実際にどのくらいの頻度でターゲットに到達するのか？
欠けている変数：勝率
リスク・リワードは確率なしでは意味がありません。1:10のリスク・リワードで5%しか勝てないトレードはひどいです。1:1で70%勝つトレードは素晴らしいです。
期待値の公式：期待値 = (勝率 × 平均勝ち) - (負け率 × 平均負け)
2人のトレーダーを比較しましょう：
トレーダーA（高R:R、低勝率）：
- リスク・リワード：1:3
- 勝率：30%
- 期待値：(0.30 × $3) - (0.70 × $1) = $0.90 - $0.70 = リスク$1あたり+$0.20
トレーダーB（低R:R、高勝率）：
- リスク・リワード：1:1
- 勝率：60%
- 期待値：(0.60 × $1) - (0.40 × $1) = $0.60 - $0.40 = リスク$1あたり+$0.20
同じ期待値。異なるアプローチ。どちらも本質的に優れているわけではありません—数学的に等価です。
損益分岐点
どのリスク・リワード比率にも、損益分岐に必要な最小勝率があります。
損益分岐勝率 = 1 / (1 + リワード/リスク)
- 1:1 R:Rは損益分岐に50%の勝率が必要
- 1:2 R:Rは損益分岐に33%の勝率が必要
- 1:3 R:Rは損益分岐に25%の勝率が必要
- 1:5 R:Rは損益分岐に17%の勝率が必要
これが高R:Rが自動的に良いわけではない理由です。はい、より頻繁に間違えることができます。しかし、間違えるでしょうか？ターゲットが遠いほど、到達する確率は低くなります。
R:Rの罠
トレーダーがリスク・リワードを誤用する方法は以下の通りです：
罠1：人工的なターゲット
3:1のR:Rが欲しいので、ターゲットをエントリーからストップ距離の3倍に置きます。しかし、ターゲットは何もない場所にあります—構造もなく、価格がそこに到達する理由もありません。実際のエッジなしに良いリスク・リワードの幻想を作り出しただけです。
罠2：確率の無視
主要なレジスタンスでのターゲットは、マイナーな構造でのターゲットよりも確率が低いです。より良いR:Rのために伸ばすことは、しばしばより悪い確率を意味します—そしてより悪い期待値を。
罠3：画一的なアプローチ
異なるセットアップには異なる自然なターゲットがあります。ブレイクアウトトレードは5:1を提供するかもしれません。平均回帰トレードは1:1しか提供しないかもしれません。すべてのトレードに均一なR:Rを強制することは、市場が実際に提供しているものを無視しています。
構造ベースのターゲット
より良いアプローチ：市場構造にターゲットを決定させましょう。
自然なターゲット位置：
- 前回のスイング高値/安値
- 主要なサポート/レジスタンスレベル
- ボリュームプロファイルのノード
- 測定された動きのプロジェクション
- フィボナッチエクステンション（使用する場合）
これらのレベルを特定した後にR:Rを計算してください、その前ではありません。自然なターゲットが1.5:1しか提供しないなら、それがトレードの実際のリスク・リワードです—ストップの任意の倍数ではありません。
その後、尋ねてください：このR:Rと推定確率で、期待値はプラスですか？
部分利確とR:R
多くのトレーダーは部分利確を行い、これがR:R計算を複雑にします。
例：
- リスク：$100
- 2:1で50%を決済（+$100）
- ストップを損益分岐に移動
- 残りの50%を4:1まで（+$200）または損益分岐でストップ（$0）
最初のターゲット後に4:1ターゲットが40%の確率で達成される場合：
- 平均勝ち：$100 + (0.4 × $200) = $180
- 見出しのR:Rは低く見えますが、上昇の可能性を維持しながら利益を確保しています
部分利確は見出しのR:Rを下げますが、心理的な実行を改善し、分散を減らすことができます。
本当に重要なこと
リスク・リワード比率の最適化をやめてください。期待値を最適化してください。
良いトレードは：
- プラスの期待値がある（R:R × 勝率が利益を生む）
- 構造ベースのストップがある（無効化が意味をなす）
- 構造ベースのターゲットがある（価格がそこに到達する理由がある）
- 勝率に対して十分なR:Rがある（数学が機能する）
受け入れるべき最小R:Rは勝率によって決まります：
- 60%の勝率：最低1:1
- 50%の勝率：最低1.5:1
- 40%の勝率：最低2:1
- 30%の勝率：最低3:1
過去の勝率を知ってください。トレードをフィルターするために使用してください。
まとめ
リスク・リワード比率は方程式の半分です。勝率がもう半分です。一緒になって期待値を作り出します—長期的な収益性を決定する唯一の数字です。
人工的なR:Rターゲットを強制しないでください。確率を無視しないでください。すべてのトレードを同じように扱わないでください。
構造にストップとターゲットを決定させてください。現実からR:Rを計算してください、空想からではありません。そして、実際の勝率に対して数学が機能することを確認してください。
コンフルエンススコアリングは確率を推定するのに役立ちます。サイクルフェーズ、ボリュームレジーム、マルチタイムフレームのアラインメントがすべて一致するとき、確率は高くなります—そして低いR:Rが許容されるようになります。シグナルが矛盾するとき、低い確率を補うためにより高いR:Rが必要です。数学が常に支配します。
Augury Gridの5点スコアリングシステムはセットアップの質を定量化し、各トレードの確率を推定するためのデータを提供します。より高いコンフルエンススコアはより高い勝率と相関し、最良のセットアップでは低いR:Rを受け入れ、マージナルなものではより高いR:Rを要求することができます。
コンフルエンススコアリングを見る →