Why a trader with 60% win rate can still blow up. We break down the Risk of Ruin formula and the Kelly Criterion with real examples, plus a probability table showing exactly how risky your system is.
ถ้าระบบของคุณ Win Rate 60% RR 1:1 — มี 8% โอกาสที่พอร์ตคุณจะ blow ในปีหน้า ไม่ว่าคุณจะ "ตามระบบ" แค่ไหน
ไม่ใช่ความผิดคุณ — เป็นคณิตศาสตร์ครับ. มี trader Pro หลายคนเข้าใจหลักนี้พลาด แล้ว blow ทั้ง ๆ ที่ระบบ "กำไร"
Risk of Ruin (RoR) คือ % โอกาสที่พอร์ตจะ "ลด 50%+" จาก losing streak ปกติ — เป็นกฎตัวเลขที่หลีกเลี่ยงไม่ได้. ผมเรียนสูตรนี้ตอน MUIC + ใช้ในการเทรดจริง 4 ปี — ใช้สำหรับเลือก Risk per trade ใน Challenge + Funded ทุกครั้ง. บทนี้ใช้สูตรจริงคำนวณให้ดู — copy ตารางไว้ใช้ตัดสินใจ position size ของคุณเอง
สูตร Risk of Ruin มาตรฐาน
มาเริ่มที่สูตร — อย่ากังวลถ้าฟังดู scary. ผมเรียนตอน MUIC + ใช้ Excel ก็ได้ — ไม่ต้อง PhD:
RoR = ((1 - Edge) / (1 + Edge))^(Capital / Risk per Trade)
Where: • Edge = Win Rate × Avg Win - Loss Rate × Avg Loss • Capital = ทุนที่มี • Risk per Trade = $ ที่เสี่ยงต่อเทรด
ตัวอย่าง: Win Rate 50%, RR 1:2, ทุน $10K, risk $200/trade • Edge = 0.5 × 2 - 0.5 × 1 = 0.5 (positive expectation) • RoR = ((1-0.5)/(1+0.5))^(10000/200) = (0.333)^50 = 0.0000% (ปลอดภัยมาก)
เปลี่ยน risk เป็น $1,000/trade (10% ของทุน): • RoR = (0.333)^10 = 0.0017% — ยังปลอดภัย แต่ความเสี่ยงเพิ่ม
เปลี่ยน risk เป็น $2,500 (25% ของทุน): • RoR = (0.333)^4 = 1.2% — เริ่มอันตราย
ทำไม Win Rate 60% ก็ยังระเบิดได้
นี่คือคำถามที่ทำให้ผม shock ตอนเริ่มเรียน RoR — "ระบบฉัน Win Rate 60% ดี ทำไมยังระเบิด?". คำตอบอยู่ใน math ของ RR ratio:
ระบบ Win Rate 60% RR 1:1 (ไม่ใช่ 1:2) — ดูเหมือนดี แต่: • Edge = 0.6 × 1 - 0.4 × 1 = 0.2 (เล็กมาก) • Risk 5% ของทุน → RoR = ((1-0.2)/(1+0.2))^20 = (0.667)^20 = 0.3% • Risk 10% ของทุน → RoR = (0.667)^10 = 1.7% • Risk 15% ของทุน → RoR = (0.667)^6.67 = 8% — สูงมาก!
การยืน 6.67 trade ต่อกัน ในระบบนี้มี 8% โอกาสระเบิด — แค่เทรด 100 trade คุณจะเจอ losing streak นี้ 8 ครั้ง. นั่นคือเหตุผลที่ trader ที่ "Win Rate ดี" ยังระเบิด — risk ต่อ trade ใหญ่เกินสำหรับ edge ที่มี.
Kelly Criterion — Position Size ที่ optimal ทางคณิตศาสตร์
Edward Thorp (เจ้าของ formula นี้) เก่งระดับ "เอาชนะ blackjack ได้". ใช้ formula เดียวกันมา trading. แต่ Kelly เต็ม "อันตราย" สำหรับ retail — ต้อง modified version:
Kelly % = W - (1-W)/R (W=Win Rate, R=RR ratio)
สำหรับ Win Rate 50% RR 1:2: • Kelly = 0.5 - 0.5/2 = 25%
หมายความว่าคณิตศาสตร์บอก position size optimal คือ risk 25% ของทุนต่อเทรด เพื่อ maximize compound growth
ปัญหา: Kelly เต็มขนาดทำให้ drawdown สูงมาก — ในชีวิตจริง trader ใช้ "Half-Kelly" (ครึ่งของที่สูตรบอก) = 12.5%
หรือ "Quarter-Kelly" = 6% สำหรับคนที่อยากนอนหลับสบาย
คำเตือน: Kelly ทำงานได้เฉพาะถ้าคุณรู้ Win Rate + RR ratio "จริง" จาก track record 100+ trade. ถ้ายังไม่มี → ใช้ 1-2% rule ปลอดภัยกว่ามาก
ตารางอ้างอิง — Risk vs Probability of 50% drawdown
นี่คือตารางที่ผม print ออกมาแปะข้างจอ — ดูทุกครั้งก่อนเลือก risk per trade. ตัวเลขจาก simulation 100,000 รอบ:
อ้างอิง simulation ระบบ Win Rate 50% RR 1:2 (เป็น baseline):
• Risk 1% / trade → 50% drawdown probability = <0.01% (เกือบเป็นไปไม่ได้) • Risk 2% / trade → 0.5% • Risk 3% / trade → 3% • Risk 5% / trade → 15% • Risk 10% / trade → 48% • Risk 25% / trade (Full Kelly) → 75%
สำหรับระบบ Win Rate 40% RR 1:2 (ใกล้ความเป็นจริงของ trader ส่วนใหญ่): • Risk 1% → 0.5% • Risk 2% → 8% • Risk 5% → 44%
ผลสรุป: Risk 1-2% per trade คือ "sweet spot" ที่นัก quantitative ทุกคน converge
การคำนวณสำหรับ Prop Firm Account
Prop firm คนละโลกกับ personal account — drawdown rule บีบ. RoR ตัวเลขเปลี่ยน. นี่คือ math เฉพาะของ FTMO:
Prop firm มี Drawdown rule ที่ทำให้ Risk of Ruin คำนวณต่างจาก personal account:
FTMO 10% max DD = ถ้าทุน $200K → break ที่ -$20K
ที่ risk 2% / trade = $4K — losing streak 5 ติด = -$20K = blow account
Probability ของ losing streak 5 ติด ในระบบ Win Rate 50% = (0.5)^5 = 3.1%
สำหรับระบบ Win Rate 40% (ปกติ swing trader) = (0.6)^5 = 7.8%
นี่คือเหตุผลที่ Pro Trader ใน prop firm ใช้ Risk 0.5-1% per trade (ไม่ใช่ 2% ที่ FTMO อนุญาต) — เพื่อกัน losing streak 8-10 ติดที่จะมาถึงเร็วหรือช้า
ข้อผิดพลาดที่พบบ่อย
จากการสอน RoR ในกลุ่ม Discord 2 ปี — มี 5 mistake ที่เห็นซ้ำ ๆ. ผมเองทำหมดในปีแรก:
(1) คิดว่า "เพิ่ม win rate = ปลอดภัยขึ้น" — Win Rate 80% RR 0.5:1 (เก็บกำไรน้อย ปล่อย loss ใหญ่) มี Edge แค่ 0.2 — เท่ากับระบบ 50/50 RR 1:2 แต่ drawdown เกิดเร็วกว่า
(2) คำนวณ RoR ตาม sample เล็ก — 30 trades ไม่พอ ต้อง 100+ trades minimum
(3) ละเลย Slippage + Spread — ทำให้ Real Edge เล็กกว่าที่คำนวณ 20-30%
(4) ใช้ Fixed Position Size — แทนที่จะ % ของ equity → เมื่อ drawdown ใหญ่ position ก็ใหญ่ตาม → blow เร็วขึ้น 5x
(5) Compound Risk หลายเทรดพร้อมกัน — เปิด 5 trade EUR/USD/GBP/CHF (ทั้งหมด correlated) ที่ risk 2% แต่ละตัว = effective risk 8-10% ต่อ event เดียว
คำถามที่พบบ่อย
รู้ Win Rate ของระบบจริงได้อย่างไร?+
ต้องมี trade journal 100+ trade — บันทึก entry/exit/result ทุกเทรด. Tool ที่แนะนำ: TradingView Trade Replay + Excel/Google Sheets, หรือ MyFXBook (auto-import จาก MT4/MT5). อย่าใช้ "ความรู้สึกว่า win rate ฉัน 60%" — เกือบทุกครั้งจริงต่ำกว่า 10-15 percentage points.
ทำไม Pro บางคนใช้ risk 5%?+
เฉพาะ Pro ที่มีระบบ Win Rate > 65% + RR 1:1.5 + edge ที่พิสูจน์ 1,000+ trades. และมักจะใช้กับ "small account" ที่ blow แล้วไม่กระทบชีวิต. สำหรับ trader ส่วนใหญ่ + บัญชีหลัก = stick กับ 1-2%.
Half-Kelly จริง ๆ คืออะไร และใช้อย่างไร?+
Half-Kelly = ใช้ position size ครึ่งหนึ่งของที่ Kelly formula บอก. ตัวอย่าง: Kelly บอก risk 25% per trade → ใช้แค่ 12.5%. ทำให้ growth rate ช้าลงประมาณ 75% ของ Full Kelly แต่ drawdown ลดลง > 50%. คือจุดสมดุลระหว่าง growth กับ comfort.
มี calculator online ไหม?+
มีหลายตัว — search "Risk of Ruin Calculator". แนะนำของ **Earforex** (ใส่ Win Rate, RR, position size, ทุน → คำนวณ probability ทุก scenario). หรือเขียนเองใน Excel ใช้สูตร =(1-edge)/(1+edge)^(capital/risk).
TradingEdge มี course เรื่อง Risk Management ไหม?+
คอร์ส SMC × ICT ของเรามี module เต็ม เรื่อง position sizing + Kelly Criterion + Risk of Ruin พร้อมตัวอย่างจริงจากการเทรดของผู้สอน. เรียนพร้อม VVIP Community ที่ trader คุยกันเรื่องตัวเลขจริง — ดู /courses
- Ralph Vince · "Portfolio Management Formulas" (Wiley 1990)
- Edward Thorp · "Beat the Market" original Kelly paper
- Earforex Risk of Ruin Calculator
- MIT OpenCourseWare · 18.S096 Topics in Mathematics with Applications in Finance







