सवाल‑1: k₁ (ATR‑stop multiplier) को existing win‑rate से निकालने का कोई “standard formula” है?

संक्षिप्त उत्तर: नहीं।

Established quant‑literature में ऐसा कोई closed‑form या standard तरीका नहीं है जो सिर्फ़ win‑rate (61.1%) देखकर सीधे k₁ दे दे। Practically सभी serious systems में:

1. स्टॉप‑distance (k₁)

2. target / exit‑logic

3. position‑sizing

तीनों को joint backtest + robustness testing से tune किया जाता है, न कि सिर्फ़ win‑rate से।

फिर भी आप existing data का अच्छे से उपयोग कर सकते हैं:

1. MAE‑based starting point (practical, literature‑consistent approach)

आप पहले अपने current signal को बिना hard stop (या बहुत wide stop) के run समझिए और हर trade के लिए:

- MAE (Maximum Adverse Excursion) in ATR:

हर trade पर entry से लेकर exit तक max adverse move (in ATR units) निकालिए।

- Winners (P/L > 0) का distribution देखिए:

- मान लीजिए winners के लिए MAE in ATR का 90th percentile ≈ 1.8 ATR आता है।

- तब starting guess:

- `k₁_start ≈ 90–95th percentile of winner‑MAE / current ATR`

- उदाहरण: अगर 90th percentile = 1.8 ATR और 95th = 2.2 ATR, तो practical grid:

- k₁ ∈ {1.5, 1.8, 2.0, 2.2, 2.5}

यह approach literature में प्रचलित MAE‑based stop design जैसा है (van Tharp, Edwards/Magee type risk work, quant blogs आदि) — मतलब noise से थोड़ा बाहर लेकिन winners का bulk preserve।

2. Win‑rate अकेले से k₁ नहीं निकलता

- Win‑rate 61.1% है, baseline 45.7% से ऊपर है — यह edge की quality दिखाता है, लेकिन:

- k₁ को set करने के लिए आपको payoff ratio (avg win / avg loss),

return distribution, extreme losers भी देखने पड़ेंगे।

- Kelly / risk‑of‑ruin type formulas win‑rate + payoff से position‑size देते हैं,

लेकिन stop‑distance नहीं।

3. आपका Round‑1/2/3 grid‑search बिल्कुल सही रास्ता है

Practical process (example structure):

- Round‑1 (wide grid):

- k₁ ∈ {1.0, 1.5, 2.0, 2.5, 3.0, 4.0}

- Round‑2 (zoom‑in around promising region):

- मान लीजिए 1.8–2.4 अच्छा दिख रहा है →

k₁ ∈ {1.8, 2.0, 2.2, 2.4}

- Round‑3 (robustness):

- Different universes, regimes, walk‑forward, sub‑periods पर

stability of expectancy, drawdown, turnover, etc.

Bottom line (Q1):

कोई “61.1% win‑rate → k₁ = X” जैसा formula नहीं है।

Best practice: MAE distribution + grid‑search + robustness से k₁ निकालना।

---

सवाल‑2: Target कौन‑सा mean? (20‑DMA vs 200‑DMA)

आपका signal दोनों use करता है:

- 200‑DMA → long‑term extension / regime / trend filter

- 20‑DMA → short‑term z‑score / local mean

Established practice में क्या होता है?

1. Short‑term mean‑reversion systems आमतौर पर “local” mean target करते हैं

Published short‑term mean‑reversion work (Connors, Alvarez, कई academic/prop frameworks etc.) में pattern आमतौर पर:

- Entry:

- price short‑term mean (5–20 day) से काफ़ी दूर चला गया (z‑score, Bollinger, RSI oversold/overbought, आदि)

- long‑term trend filter (e.g., only buy dips above 200‑DMA)

- Exit / target:

- short‑term mean पर reversion

- mid‑Bollinger band (≈ 20‑DMA)

- या कुछ दिन बाद fixed‑horizon exit (3–5 days)

- rarely 200‑DMA को direct profit target माना जाता है,

वो ज़्यादातर regime filter / bias होता है।

2. 200‑DMA usually = regime, not price‑target

- अगर price 200‑DMA से बहुत नीचे/ऊपर है, तो:

- या तो आप trade ही avoid करते हैं

- या bias बदलते हैं (only short below 200‑DMA, only long above आदि)

- लेकिन intratrade target अक्सर 5–20‑day mean या किसी oscillator‑normalization पर होता है, not 200‑DMA।

3. Multi‑timeframe exit conventions (जब दोनों means use हों)

Literature/practice में तीन common patterns:

- (a) Pure short‑term MR:

- Entry: 200‑DMA as filter, 20‑DMA deviation as trigger

- Exit: price ~20‑DMA, या RSI back to neutral, या volatility‑scaled profit

- (b) Partial scale‑out:

- 1st target: 20‑DMA (mean‑reversion completion)

- Runner position: trend‑following style, targetless या किसी higher MA (50/100‑DMA) पर partial exit

- (c) No explicit price target, time/indicator exit:

- e.g. hold max N days या जब z‑score वापस 0 के आसपास आए।

4. आपके use‑case में practically “mean” कौन‑सा है?

- आपका core logic mean‑reversion है, और short‑term z‑score 20‑DMA से बना है →

क्वांट‑convention के हिसाब से natural target = 20‑DMA (या उसके आसपास का local mean)।

- 200‑DMA को regime / filter treat कीजिए (e.g., only long जब price > 200‑DMA),

न कि primary price target — जब तक आप जानबूझकर multi‑week swing system नहीं बना रहे।

Bottom line (Q2):

जब entry‑signal short‑term mean (20‑DMA) + long‑term context (200‑DMA) दोनों से बना हो,

तो established mean‑reversion practice में genuine target प्रायः short‑term mean (5–20‑DMA) ही होता है; 200‑DMA को ज़्यादातर filter/regime के तौर पर use किया जाता है, target के रूप में नहीं।

---

सवाल‑3: Time‑stop (bars count) के लिए genuinely‑established convention? (Daily MR)

Again, कोई universal “X days” rule नहीं है जो सारी serious quant‑literature में fixed हो।

लेकिन pattern साफ़ दिखता है:

1. Equity daily mean‑reversion की typical half‑life

- Index/large‑cap equities में short‑term mean‑reversion की empirically observed half‑life अक्सर कुछ days की होती है (3–7 trading days range बहुत common है)।

- इसीलिए बहुत से published systems:

- average holding: 2–5 days

- rarely 10 days से ज़्यादा hold करते हैं अगर अभी भी revert नहीं हुआ।

2. Common conventions (literature / practitioner level) — Daily MR:

- (a) Fixed short holding period:

- e.g., “exit at close after 3 days”

- या “max 5 days”

- Connors‑style systems में 1–5 दिन बहुत common है।

- (b) Indicator‑based + max‑days fail‑safe:

- Primary exit: z‑score back to 0 / RSI back to neutral / price crosses short MA

- साथ में: `max_holding_days = 5–10` as time‑stop / protection.

- (c) Half‑life based rule of thumb:

- Estimate AR(1) style mean‑reversion half‑life `h` (days)

- Time‑stop ≈ `2h` या `3h` (अगर 2–3 half‑life में revert नहीं हुआ, system thesis practically fail हो गया)।

- Equity MR में practically: h ≈ 2–3 days → time‑stop ≈ 5–7 days।

3. “10–15 bars” vs आपका Daily context

- 10–15 bars example ज़्यादातर illustrative है और अधिकतर intraday / swing mix contexts में quoted होता है।

- Pure daily mean‑reversion में:

- 3–7 trading days → very common “fast MR” systems

- max 10 days → अक्सर upper cap time‑stop

- >20 days → system practically mean‑reversion नहीं, swing/position trade territory में चला जाता है।

4. आपके लिए practically best‑practice क्या रहेगी?

- अपनी existing signal history (बिना time‑stop या with very loose stop) पर:

- हर trade के लिए “time to exit / time to peak equity” note कीजिए।

- Winners के लिए “time‑to‑profit” distribution देखिए।

- मान लीजिए 90th percentile winner‑time = 6 days है →

time‑stop starting guess ≈ 6–8 trading days।

- अगर पता चले 95% winners 9 days के अंदर settle हो जाते हैं →

8–10 days max time‑stop logical है।

- फिर वही आपका Round‑1/2/3 discipline:

- Round‑1: N ∈ {3, 5, 7, 10, 15} days

- Round‑2: promising region (e.g., 5–9) narrow testing

- Round‑3: robustness across regimes / instruments।

Bottom line (Q3):

Daily mean‑reversion के लिए कोई universally‑fixed “10–15 bars” convention नहीं है। Quant literature/practice में typical equity MR systems:

- effective horizon ≈ 3–7 days,

- max cap ≈ 10 days के आसपास,

और exact N आपका instrument + signal‑dynamics specific tuning से ही निकलता है (half‑life & empirical time‑to‑profit distribution based)।

---

एक practical summary आपके सिस्टम के लिए:

1. k₁ (ATR‑stop) starting point:

- Winners की MAE in ATR distribution निकालिए;

- 90–95% winners को cover करता हुआ ATR‑multiple → initial k₁ grid center;

- फिर Round‑1/2/3 grid‑search से robust k₁ चुनिए।

2. Target‑mean choice:

- 200‑DMA = regime filter / bias

- 20‑DMA (या जो short‑term mean आपने z‑score के लिए use किया) = primary mean‑reversion target

- चाहें तो partial exit at 20‑DMA + runner for longer trend, but core MR logic short‑term mean तक ही है।

3. Time‑stop (Daily):

- Literature‑consistent practical band:

- Fast MR: 3–7 days typical,

- Hard cap: 8–10 days common।

- Final number: आपके data से winner‑time distribution + half‑life estimate से निकालिए, फिर grid‑search से verify कीजिए।

---

If you have any further queries, please connect with us on 022-6290-10141 (Timings : 09.00 AM to 05.00 PM) or you can email us on info@cniinfoxchange.com