Blog
/
AI Trading Journal
AI Trading Journal
Hoe AI Je Optimale Positiegrootte Berekent voor Prop Firm Accounts
Juli 2026
6 min lezen
Risicobeheer
De meeste prop firm traders gebruiken een vast risicoPercentage — 1% per trade, elke sessie, ongeacht de context. Het is eenvoudig, gedisciplineerd, en onjuist voor een significant deel van je handelsdagen.
Vaste sizing negeert de realiteit dat je edge niet constant is. Je winratio verschuift per setup-kwaliteit. Je drawdown-vloer verandert je foutmarge. Je Discipline Score vertelt je of je momenteel je systeem uitvoert of ervan afwijkt. Een positiegrootte die passend is op een hoog-consistentie dag met 8% drawdown-ruimte is te groot op een laag-consistentie dag met 2% ruimte — zelfs als de tradesetup er identiek uitziet.
AI berekent dit dynamisch. Hier is hoe.
Waarom Vaste RisicoPercentages Falen voor Prop Firm Traders
Het probleem met vast 1% risico is niet het getal — het is de aanname erachter. Vaste sizing gaat ervan uit dat je edge elke dag hetzelfde is. Dat is het niet.
De verborgen kosten
Een trader die 1% per trade riskeert met een Discipline Score van 4,5 riskeert niet 1% van zijn edge. Ze riskeren 1% op trades die mogelijk niet voldoen aan de criteria van hun systeem — trades die historisch vaker verliezen. De juiste grootte bij een lage-discipline sessie is niet 1%. Het is iets dichter bij 0,25–0,5%, of nul totdat de gedragsstatus verbetert.
Aan de andere kant: een trader met een 9-sessie Discipline Score streak van 8,5 en 7% resterende drawdown-ruimte riskeert mogelijk te weinig bij 0,5%. Hun edge werkt op vol vermogen en hun account heeft substantiële ruimte. AI identificeert beide scenario's — oversizing in lage-discipline toestanden en undersizing in hoog-prestatie toestanden.
De 4 Inputs die AI Gebruikt voor Positiegrootte Berekening
Input 01
Historische edge per setup-type
AI segmenteert je winratio en gemiddelde RR op de setup-tags die je logt. Je A-setup heeft een andere verwachte waarde dan je B-setup. Positiegrootte zou moeten schalen met setup-kwaliteit — niet uniform zijn over alle entries.
Input 02
Huidige drawdown-nabijheid
Hoe ver je van je dagelijkse of maximale drawdown-limiet bent, beïnvloedt direct hoeveel variantie je kunt opvangen. Met 1% dagelijkse drawdown resterend zet een 1% risicoTrade je op nul buffer bij een enkel verlies. AI schaalt size naar beneden naarmate de vloer nadert.
Input 03
Recente Discipline Score
Je 5-sessie voortschrijdende Discipline Score vertelt AI of je momenteel je edge uitvoert of ervan afwijkt. Gedragsinconsistentie betekent dat je live winratio lager is dan je historische baseline — en grootte moet die verminderde edge weerspiegelen.
Input 04
Sessiecontext
Tijdstip, nieuwsgebeurtenissen en recente P&L in de huidige sessie beïnvloeden allemaal de optimale grootte. Een trade die 15 minuten na een verliezende trade in een volatiel nieuwsvenster ingevoerd wordt, heeft een ander risicoprofiel dan dezelfde setup in een schone London open omgeving.
Een Echt Berekeningsvoorbeeld
Gelogd setup-type
A-setup — liquiditeits-sweep + displacement FVG
Historische winratio voor deze setup
61% over 47 trades
Gemiddelde RR voor deze setup
1,8:1
Berekende verwachte waarde
+0,28R per trade
Huidige drawdown-ruimte (dagelijks)
3,1% resterend van 5% limiet
5-sessie Discipline Score gemiddelde
8,1 — hoge consistentie
Tijd sinds laatste verlies
Geen verliezen vandaag
AI aanbevolen risico
0,9% — binnen normale range
In dit scenario bevestigt de AI dat het standaard 1% risico van de trader iets te hoog is gezien de dagelijkse drawdown-nabijheid (3,1% resterend betekent dat een enkel 1% verlies slechts 2,1% buffer achterlaat), en adviseert 0,9%. Als de Discipline Score 5,2 was geweest in plaats van 8,1, zou de aanbeveling dalen naar 0,5% — omdat gedragsinconsistentie de effectieve verwachte waarde vermindert, zelfs van een hoogkwalitatieve setup.
Dynamische Sizing per Accountstatus
| Accountstatus |
Discipline Score |
Dagelijkse ruimte |
Aanbevolen risico |
| Volledige edge, schoon account |
8,0+ |
> 3,5% |
0,75–1% |
| Goede edge, matige buffer |
6,5–8,0 |
2–3,5% |
0,5–0,75% |
| Verminderde edge of krappe vloer |
5,0–6,5 |
1–2% |
0,25–0,5% |
| Lage discipline of nabij limiet |
< 5,0 |
< 1% |
0–0,25% of sessie stoppen |
Waarom Puur Kelly Criterion Niet Werkt voor Prop Firms
Het Kelly criterion is een wiskundig optimale inzetgrootteformule die groei op lange termijn maximaliseert. Het wordt uitgebreid gebruikt in kwantitatieve trading. Het is ook ongeschikt voor prop firm-omgevingen als zelfstandige sizing-methode.
De reden: Kelly optimaliseert voor groei op lange termijn zonder een harde beperking op korte-termijn variantie. Prop firms leggen dagelijkse drawdown-limieten op — doorgaans 4–5% — die Kelly regelmatig zal overschrijden op verliezende dagen, zelfs met een positieve-verwachte-waarde edge.
De praktische oplossing is een fractie-Kelly aanpak aangepast voor prop firm beperkingen:
- Bereken volledig Kelly vanuit je historische edge:
Kelly% = WR − [(1−WR) / RR]
- Pas een 0,25–0,35 vermenigvuldiger toe om variantie te verminderen (kwart-Kelly of derde-Kelly)
- Verminder verder op basis van je drawdown-nabijheidsfactor — hoe dichter bij de dagelijkse limiet, hoe kleiner de vermenigvuldiger
- Overschrijf met een vloer-verlaging als Discipline Score onder 6,5 is
Dit is wat AI journals automatisch implementeren. Je hoeft de berekening niet zelf uit te voeren — je moet je trades nauwkeurig loggen zodat de AI de historische data heeft om de berekening correct te maken.
Laat AI Je Positiegrootte Beheren
Logify's AI Coach houdt je historische edge bij per setup-type, monitort je drawdown-nabijheid en Discipline Score, en vertelt je het juiste risiconiveau voor elke sessie — automatisch.
Gratis Starten met Logify
Veelgestelde Vragen
Wat is de optimale positiegrootte voor prop firm traders?
Er is geen universeel optimale positiegrootte — het hangt af van de verwachte waarde van je strategie, je huidige drawdown-nabijheid, je recente Discipline Score en de volatiliteit van het instrument. Voor de meeste prop firm traders is een basisrisico van 0,5–1% per trade redelijk, met dynamische aanpassingen op basis van afstand tot de drawdown-vloer en consistentiestatus. AI berekent dit dynamisch vanuit je journaaldata.
Hoe helpt AI bij positiegrootte bepaling?
AI analyseert je historische trade-data om je werkelijke winratio, gemiddelde RR en maximale drawdown-reeksen per setup-type te identificeren. Het berekent dan een risico-gecorrigeerde positiegrootte die je echte edge weerspiegelt — niet een theoretische. Wanneer je Discipline Score daalt of je drawdown-vloer smaller wordt, adviseert AI automatisch kleinere sizing.
Moet je vast percentage of dynamische positiegrootte gebruiken?
Voor prop firm accounts werkt een aangepaste dynamische aanpak het beste: begin met een vast basispercentage (0,5–1%), pas dan aan op basis van drawdown-vloer nabijheid en Discipline Score. Vaste sizing negeert accountstatus. Pure dynamische sizing is te volatiel voor prop firm-omgevingen met strikte dagelijkse drawdown-limieten. Het middenpad is wat AI journals zoals Logify implementeren.
Beïnvloedt positiegrootte de Discipline Score?
Ja. Positiegrootte-variantie — afwijken van je geplande risicoPercentage zonder regelgebaseerde reden — is een van de hoogst gewogen componenten van de Discipline Score. Een trader die groter sizeit omdat een trade "er geweldig uitziet" pleegt een regelovertreding, zelfs als de trade wint. AI markeert dit als een consistentiefout en verlaagt de sessiescore dienovereenkomstig.