来源：Van K.Tharp 《Definitive Guide to Position Sizing》Chapter 2
翻译：量化交易读书会
如果你不知道你的初始风险该怎么办？
如果你不知道你的初始风险该怎么办？也许你的初始卖出价是变动的，一开始不可能准确地说出计划卖出价是多少。也许你没有理解第一条黄金法则，你甚至没有卖出价。无论如果，由于某些原因，你有几笔交易，并且你不知道你的初始风险。但你还是想知道你的交易系统的大概的R乘数分布。你该怎么做？
我建议你把你的平均损失当作1R，让我们看看这种处理方法是如何在前一个例子中计算的。表2-3列出了五笔损失的交易。
注意我们用这种估算方法得到的值比$1,000要多20%。无论如何，至少它给了我们一个计算1R的思路。现在我们把$1,200作为1R代入表2-2，看看结果有多大的变化。结果如表2-4所示。
但是，当你用总风险来计算你的R乘数时，有一个假设是你要用同样的值来计算你的总风险（比如：你的总权益的1%）。若每笔交易的总风险不同，你可能只能用平均损失来作为1R。
更多关于期望的思考
在第一版《通向财务自由之路》中，我给出了期望的传统定义：
期望=平均盈利*盈利的概率-平均亏损*亏损的概率
但是，这个公式是错误的，因为期望实际上应该是每美元风险的平均盈利，尽管这个公式简单地给出了平均盈利。如果你很好奇，在网上查了“期望”这个概念，你会发现有很多地方都用了这个错误的定义，我猜可能是从我的书上复制过去的。
作为替代，这个公式应该纠正为如下所示：
期望=（平均盈利*盈利的概率-平均亏损*亏损的概率）/平均风险金额
当然，这个公式在第二版《通向财务自由之路》中已经被纠正过来了。
让我们看看怎么用表2-1中的数据，用这种方法来计算期望。我们已经知道平均损失是$1,200.20。我们的系统有5笔盈利、5笔亏损，所以盈利和亏损的概率各是50%。表2-5列出了样本中盈利的交易。
这样我们就知道了平均盈利是$3,150.40，盈利概率是50%，公式的第一部分就是$1,575.20。
我们也知道平均损失是$1,200.20，亏损概率是50%，这样公式的第二部分就是$600.10。
为了计算期望，我们把$1,575.20减去$600.10，得到$975.10。平均风险是$890，所以期望就是$975.10/$890=$1.096。所以这个值实际上是告诉我们什么？它告诉我们，使用这个交易系统，在大量的交易后，我们可以预期每冒1美元的风险，就可以赚取1美元多一点的盈利。
让我们再看看表2-2，你看到表中的数字$975.10了么？你当然看到了，它是系统的平均盈亏。所以，期望的传统定义实际上是系统的平均盈亏，正如我已经说过的，需要把它除以每笔交易的平均风险才是正确的。
如果你看看表2-2中的R乘数一列，你会发现我们也可以用R来表示期望。实际上，期望的另一种定义就是系统的平均R值。所以，表2-2显示，系统的期望可以以每美元风险所赚取的美元金额来表示，也可以以R的形式来表示。
有时候，当大家不知道每笔交易的初始风险时，仓位用平均损失来代表R。当我们把这个值代入公式时，我们得到的是期望的预估值（即0.811R），并不如你用每笔交易的实际风险来计算（即0.966R）来的准确。
所以，用期望的三种公式计算，可以得到三个不同的结果：
平均盈利/平均风险金额=1.096（《通向财务自由之路》中的公式的纠正版）用平均损失表示平均风险=0.811（如果你不知道初始风险，用这个公式）用平均R乘数=0.966（优先选择/最准确的公式）
期望实际上表示系统的平均R乘数。所以，如果你有的选，还是用平均R乘数来计算期望。
注意，当我们在做这个练习时，期望变得很容易理解。系统的期望是你的系统的R乘数（包括正数和负数）的平均值。它告诉你在很多笔交易后，你平均能获得的盈亏以R表示是多少。
表2-2中的系统的期望为0.966R。所以，我们知道在很多笔交易后，我们平均能获得风险近一倍的盈利。实际上，10笔交易我们预期盈利为9.66R，100笔交易我们预期盈利为96.6R。
大家经常说R乘数的停牌是无用的，因为每笔交易的R都不同。这是真的，但是如果你把每笔交易的风险都设为你的权益的1%（头寸管理）又会如何？当你这么做时，这类信息就非常有用了，因为它告诉我们，如果我们把每笔交易的风险都设为权益的1%时，我们平均每笔交易可以获得0.966%的盈利。更进一步，在100笔交易后，我们可能盈利100%或者更多——实际上是更多，因为随着我们赚到更多的钱，1%的金额也会越来越大。也就是说，当你有$100,000，1%的风险就是$1,000；当你有$110,000，1%的风险就是$1,100。所以，你的1%的风险的金额会随着赚更多的钱而变得越来越大。
关于波动性
上述展示的计算方法看上去简单易懂。你每笔交易平均获得0.966R的盈利，如果你的每笔交易的总风险为1%，你每笔交易盈利大约为1%。在100笔交易后，你可能盈利了100%。好吧，平均来说你可能能赚这么多！但是，平均并不是所有的情况。偏离平均的情况会如何？
为了理解你的系统偏离平均的程度，你不仅要知道平均R值（即期望），你还要知道R的波动性（即标准差）。这个波动性会告诉我们大多数样本可能偏离均值（期望）有多远。如果所有的样本都等于均值当然很好，但是实际情况一般都不是这样，因为这意味着样本没有任何变化，我们的样本中的每个R乘数都是0.966R。
你可以用你的交易样本数据来计算R乘数的期望和标准差，用Excel表计算会更简单。把你的样本R乘数放在一列，选择这列最后一行的空白单元格，再点击最上面的公式（fx）。一个窗口就会弹出来，然后你只需要点击“统计”，会再弹出一个窗口。你只需要再点击“平均”，就会计算期望，再点击“标准差”，就会得到标准差。你只需要知道这些就行了。
在你继续往下看之前，把表2-2中的10个R乘数填入一张Excel表中。找到期望（均值）和R的标准差（STDEV）。你应该会得到这两个值：0.966、2.66。现在你可以持续地计算你的交易的R乘数的期望和标准差，这种练习至少一周要进行一次。
如果你想把这些数据每周都放在Excel表中，表2-6列出了你的交易数据可能的样例。这很简单，而且我强烈建议你也这么做一遍。
你只需要新建一张表，首行的列名如下：
1.股数（合约数）Number of Shares(contracts)
2.股票Stock
3.买入价Entry Price
4.止损价Stop Price
5.总风险Total Risk
6.百分比风险Percent Risk
7.卖出价Selling Price
8.盈亏Profit/Loss
9.R乘数R-multiples
10.按顺序排列的R乘数（这列与其他列无关）R-multiples Sorted
注意表2-6中的以下几项：
1.计算风险是很容易的：这是一个%50,000的账户，所以所有的交易应该都有近似$250的风险（0.5%的风险）或$500的风险（1%的风险）。
2.R乘数可以被自动计算出来，也很容易对它们进行排序并观察R乘数分布。
3.R乘数的总值、期望、方差都能自动计算出来，在表的最下面。
所以不利情况是怎样的？
现在你知道了标准差，可以对不利情况进行估算。如果你观察一下表2-2中交易出现的原始顺序，你就会发现有一处我们有两笔连续的亏损——1.13R的亏损后紧跟着2.89R的亏损。这样，在我们原始的样本中，我们最大回撤为4.02R。但是如果我们有五笔连续的亏损呢？如果交易笔数足够多，对于成功率50%的交易系统而言，这种情况是很可能出现的。我们可能会面临7R-10R的总回撤。
如果每笔交易的风险为10%，那你很可能在连续亏损的时候面临破产。但是你不会完全破产，因为每次你都只是用剩余权益的10%作为风险。那可能看上去会像表2-6中列出的序列。
大多数人都认为系统会完全破产并停止交易。然而它确实可能发生，而且甚至是在好的交易系统中也经常会发生。顺便提一下，10%的风险对于这个系统而言实在是太大了。