LiquidityScan

· ՌԻՍԿ ԵՒ ՌԱԶՄԱՎԱՐՈՒԹՅՈՒՆ · 10 MIN READ · UPDATED 1D AGO

Կորուստների շարքի հավանականությունը

Կորուստների շարքի հավանականությունը

Երկար կորուստների շարքը պարտադիր չէ, որ խափանված առավելության նշան լինի․ այն հավանականության բնական արդյունքն է։ 200 գործարքում 50% շահում ունեցող համակարգը հաճախ կհասնի 7 և ավելի կորստի, իսկ 40% համակարգը պետք է պատրաստ լինի 10-ի։ Ահա մաթեմատիկան ու դրա միջով անցնելու ձևը։

Քանի՞ կորուստն է նորմալ անընդմեջ

Շատ ավելին, քան թրեյդերների մեծ մասն է սպասում․ կորուստների շարքի հավանականությունը երկար շարքերը դարձնում է ոչ թե խափանված առավելության, այլ հավանականության գրեթե անխուսափելի արդյունք։ 40% շահումների դեպքում յոթ անընդմեջ կորուստը տեղի է ունենում մոտավորապես յուրաքանչյուր 36 փորձից մեկ անգամ, իսկ 200 գործարքով 50% շահում ունեցող համակարգը մեծ հավանականությամբ կտեսնի յոթ կամ ավելի կորուստ։

Այն թիվը, որը տվյալ պահին աղետ է թվում, սովորաբար մաթեմատիկան կանխատեսել էր դեռ առաջին գործարքը կատարելուց առաջ։ Շահութաբեր ռազմավարությունը չի վերացնում կորուստների շարքերը․ այն անցնում է դրանց միջով ու հետո շարունակում շահույթ ստեղծել։ Իրական սխալը վիճակագրական չէ, այլ զգացմունքային՝ աշխատող համակարգից հրաժարվել կամ «հետ բերել կորցրածը» մտածելով մեծացնել ռիսկը սովորական կորուստների շրջանի ժամանակ։

Կորուստների շարքի հավանականության բանաձևը

Գրեթե ամբողջ հաշվարկը անում են երկու բանաձևեր։ Ենթադրենք՝ յուրաքանչյուր գործարք մոտավորապես անկախ է, իսկ կորուստների տոկոսը q է, որտեղ q = 1 − շահումների տոկոսը։ Իրական շուկայում անկախության այս ենթադրությունը կատարյալ չէ, բայց կորուստների շարքերը վերլուծելու համար սա ազնիվ ելակետ է։

Հենց հիմա սկսվող ուղիղ k կորուստների հավանականությունը հետևյալն է․

  • P(k կորուստ) = qk

40% շահումների դեպքում q = 0.6 է։ Ուրեմն հինգ անընդմեջ կորուստը = 0.65 ≈ 7.8%։ Յոթ անընդմեջ կորուստը = 0.67 ≈ 2.8%։ Տասը անընդմեջ կորուստը = 0.610 ≈ 0.6%։ Առանձին վերցրած՝ այդ թվերից յուրաքանչյուրը փոքր է թվում։ Հենց դա էլ ծուղակն է։ Դու մեկ փորձ չես անում, այլ հարյուրավոր գործարքներ ես կատարում։

N գործարքների ընթացքում սպասվող ամենաերկար կորուստների շարքը մոտավորապես հավասար է․

  • Ամենաերկար շարքը ≈ log(N) / log(1/q)

Սա շարքերի ստանդարտ թվաբանությունն է, նույն մաթեմատիկան, որը գործում է մետաղադրամի նետման շարքերի դեպքում։ Այն ցուցադրական հաշվարկ է, ոչ թե հետթեստավորման պնդում։ Ամենաերկար շարքը մեծանում է ընտրանքի լոգարիթմի հետ․ գործարքների քանակը կրկնապատկելիս սպասվող վատագույն շարքը մի փոքր է աճում, բայց աճը երբեք ամբողջությամբ չի դադարում։ «Իմ ռազմավարությունը երբեք ութ կորուստ անընդմեջ չի ունեցել» նշանակում է միայն, որ ընտրանքը դեռ փոքր է։

Վտանգը զգալու ավելի նուրբ ձև էլ կա։ N գործարքի ընթացքում k կամ ավելի երկար կորուստների շարքերի սպասվող քանակը մոտավորապես N × (1−q) × qk է։ Տեղադրենք q = 0.6 և N = 200․ յոթ և ավելի կորուստների շարքը հազվադեպ երևույթ չէ, որից գուցե խուսափես, դրա հանդիպումը պետք է սպասես մոտ երկու անգամ։

«Մեկ առանձին գործարքի դեպքում քիչ հավանական» և «ամբողջ սեզոնի ընթացքում գրեթե անխուսափելի» պնդումները կարող են միաժամանակ ճիշտ լինել։ Դրանք իրար խառնելն է կորուստների շարքից առաջացող խուճապի հիմնական պատճառը։

Սպասվող ամենաերկար կորուստների շարքը՝ ըստ շահումների տոկոսի

Ստորև բերված աղյուսակը log(N)/log(1/q) բանաձևն է կիրառում սովորական շահումների տոկոսների ու ընտրանքի չափերի համար։ Թվերը կլորացված են և զուտ ցուցադրական․ դրանք ցույց են տալիս խնդրի կառուցվածքը, ոչ թե կոնկրետ ռազմավարության խոստում։

Շահումների տոկոսԿորուստների տոկոս (q)N = 100 գործարքN = 200 գործարքN = 500 գործարք
60%0.40~5~6~7
50%0.50~7~8~9
40%0.60~9~10~12
33%0.67~11~13~15
30%0.70~13~15~17

Ուշադիր կարդա 40% տողը։ Իրական, 40% շահում ունեցող և բարձր reward-to-risk հարաբերությամբ մոդել կիրառող թրեյդերը 200 գործարքից բաղկացած սովորական տարվա ընթացքում պետք է սպասի մոտ տասը գործարքի խորությամբ կորուստների շարքի և չզարմանա նույնիսկ տասներկուսի դեպքում։ Եթե այդ շարքը քեզ ստիպում է հրաժարվել մեթոդից, մեթոդին երբեք հնարավորություն չտվեցիր ցույց տալու իր առավելությունը։

Ինչու՞ ցածր շահումների տոկոսը նշանակում է ավելի երկար կորուստների շարք

Կապը գծային չէ․ N-ի նկատմամբ այն լոգարիթմական է, բայց q-ի աճի հետ արագ ուժեղանում է։ Երբ շահումների տոկոսը նվազում է, log(1/q)-ը փոքրանում է, և սպասվող շարքը արագ երկարում է։ Սա մեծ reward-to-risk հարաբերությամբ առևտրի թաքնված գինն է։

ICT և Smart Money մոդելներից շատերը՝ Order Block-ի մուտքեր, Fair Value Gap (FVG)-ի լրացումներ, Optimal Trade Entry (OTE)-ի շրջադարձեր, սկզբից կառուցված են համեստ շահումների տոկոսի դիմաց մեծ շահումներ ստանալու համար։ Միջին 3R շահույթ ունեցող գործարքը կարող է շատ շահութաբեր լինել նույնիսկ 40% հաջողության դեպքում։

Բայց նույն կառուցվածքը մաթեմատիկորեն պահանջում է, որ դու որպես գործառնական սովորական ծախս անցնես 8-12 կորուստների շարքի միջով։

  • Բարձր շահումների տոկոս, փոքր R, օրինակ՝ 65%․ շարքերը կարճ են մնում՝ 5-6 կորուստ, բայց մեկ չափազանց մեծ կորուստը կարող է ջնջել բազմաթիվ շահումները։
  • Ցածր շահումների տոկոս, մեծ R, օրինակ՝ 35-40%․ շարքերը երկար են՝ 10-13 կորուստ, և հոգեբանական դիմացկունությունն է դառնում սահմանափակող գործոնը, ոչ թե մուտքի մոդելը։

Մեկը մյուսից «ավելի լավ» չէ։ Բայց եթե ցածր շահումների տոկոսով և բարձր R-ով ոճ ես կիրառում՝ առանց շարքի երկարությունը նախապես հաշվելու, նորմալ տատանումը կընկալես որպես ձախողում ու ամենավատ պահին կփոխես համակարգը։

Գործարքի չափի ընտրություն՝ շարքին դիմանալու համար

Կորուստների շարքի հավանականությունը ասում է, որ շարքը գալու է։ Գործարքի չափն է որոշում՝ այն քեզ պարզապես կվնասի, թե կվերջացնի։ Այստեղ մաթեմատիկան անզիջում է, որովհետև կորուստները կուտակվում են քո սեփական կապիտալի վրա։ Ֆիքսված մասնաբաժնով ռիսկի դեպքում տեսնենք 15 կորուստների շարքից հետո առաջացող անկումը․

Ռիսկը մեկ գործարքի համարԿապիտալը 10 կորուստից հետոԿապիտալը 15 կորուստից հետոՎերականգնման համար անհրաժեշտ աճ, 15 կորուստ
1%−9.6%−14.0%+16%
2%−18.3%−26.1%+35%
5%−40.1%−53.7%+116%

1% ռիսկով աշխատող թրեյդերը 15 կորուստների շարքից հետո 14% անկմամբ է հեռանում։ Տհաճ է, բայց լիովին վերականգնելի, և նա դեռ խաղի մեջ է։ 5% ռիսկով թրեյդերը կորցրել է 54% և հիմա պետք է հաշիվը կրկնապատկի՝ պարզապես զրոյին վերադառնալու համար։ Նույն ռազմավարությունն է, նույն շարքն է, նույն հավանականությունն է․ տարբերությունը միայն գործարքի չափի մեջ է։

Այդ տարբերությունն է բաժանում վատ ամիսը պայթած հաշվից։ Դրա համար էլ պրոֆեսիոնալ ռիսկի կառավարումը մեկ գործարքի ռիսկը պահում է 0.5-2% միջակայքում․ այդ սահմանը նախագծված է այն շարքին դիմանալու համար, որը մաթեմատիկան խոստանում է։

Գործնական կանոնը անմիջապես բխում է երկու բանաձևերից։ Սկզբում հաշվիր սպասվող ամենաերկար շարքը՝ ըստ քո շահումների տոկոսի և իրատեսական գործարքների քանակի։ Հետո ընտրիր մեկ գործարքի համար այնքան փոքր ռիսկ, որ այդ շարքին դիմանալը, մի քանի լրացուցիչ կորուստների պահուստով, անկումը պահի քո ընդունելի սահմաններում։

Եթե 40% համակարգը ենթադրում է տասը և ավելի կորուստների շարք, իսկ ընթացիկ չափով դրա առաջացրած անկումը չես կարող տանել, ազնիվ լուծումը փոքր չափն է, ոչ թե նոր ռազմավարությունը։ Չափը միակ լծակն է, որը անխուսափելի շարքը վերածում է ոչ նշանակալի իրադարձության։

Ինչպես տարբերել նորմալ շարքը խափանված առավելությունից

Ամեն կորուստների շարք անվնաս չէ․ առավելությունները մաշվում են, շուկայական ռեժիմները փոխվում են։ Հմտությունն այն է, որ զգացմունքները որպես չափիչ չօգտագործելով տարբերես նորմալ տատանումը իրական խափանումից։ Անկեղծ անցիր այս ստուգաթերթով․

  1. Հետևե՞լ ես քո կանոններին։ Կանոններին համապատասխան կորուստների շարքը տատանում է։ Կանոնների խախտումների, վրեժխնդիր մուտքերի և պարտադրված գործարքների շարքը կարգապահության խնդիր է, ոչ թե ռազմավարության, և ոչ մի վիճակագրություն չի փրկի դա։
  2. Ընտրանքը բավարա՞ր մեծ է որևէ եզրակացության համար։ Տասը գործարքը գրեթե ոչինչ չի ասում։ 10 գործարքից բաղկացած պատուհանում չես կարող տարբերել 40% համակարգը 25% համակարգից․ վստահության միջակայքը հսկայական է։ Մոտավորապես 100 գործարքը գործնական նվազագույնն է, որ չափված շահումների տոկոսը որևէ իմաստ ունենա։ Առավելությունները գնահատիր տասնյակ գործարքների վրա, ոչ թե մի քանի հատի։
  3. Ամբողջ գրանցված պատմության մեջ սպասվող արժեքը դեռ դրակա՞ն է։ Սպասվող արժեք = (շահումների % × միջին շահույթ) − (կորուստների % × միջին կորուստ)։ Եթե ամբողջ ընտրանքդ դեռ զուտ դրական է, տեղային կորուստների շարքը դրական գործընթացի ներսում պարզապես աղմուկ է։
  4. Շուկայական ռեժիմն իսկապե՞ս փոխվել է։ Նոր ձևավորված range ունեցող շուկայում trend մոդելը կամ կառուցվածքային տատանողականության փոփոխությունից հետո կիրառվող սեսիայի ռազմավարությունը կարող է իրական փոփոխություն տեսնել իր առավելության մեջ։ Անվանիր կոնկրետ փոփոխությունը․ սովորական կորուստները բացատրելու համար մի՛ հորինիր այն։

Եթե կանոններին հետևել ես, ընտրանքը բավարար է, սպասվող արժեքը դրական է, և շուկայական ռեժիմի կոնկրետ փոփոխություն չես կարող նշել, գրեթե հաստատ գտնվում ես նորմալ կորուստների շարքի մեջ, որը կանխատեսում էր կորուստների հավանականության մաթեմատիկան։ Ճիշտ քայլը պլանը վերահսկվող չափով շարունակելն է։

Ավելի հեշտ է, երբ գրանցումը օբյեկտիվ է, ոչ թե հիշողության վրա հիմնված․ LiquidityScan-ի նման սկաները կարող է ժամանակագրել յուրաքանչյուր համապատասխան սեթափ՝ տալով ամսաթվով գրանցում, որի հետ կարող ես համեմատել շարքը՝ անկումից գունավորված հիշողության փոխարեն։

Օրինակ․ 40% շահումների տոկոս՝ 200 գործարքի ընթացքում

Վերցնենք իրատեսական ցածր շահումների տոկոսով և բարձր R-ով ICT մոդել՝ 40% շահումների տոկոս, միջին շահող գործարք՝ 2.5R, միջին կորուստ՝ 1R։ Սկզբում տեսնենք՝ ընդհանրապես առավելություն կա՞։ Սպասվող արժեքը = (0.40 × 2.5R) − (0.60 × 1R) = 1.0R − 0.6R = +0.4R մեկ գործարքի համար։ 200 գործարքի դեպքում դա մոտավորապես +80R սպասվող արժեք է՝ ուժեղ, իսկապես շահութաբեր համակարգ։

Հիմա շարքը։ q = 0.6 և N = 200 դեպքում սպասվող ամենաերկար կորուստների շարքը ≈ log(200)/log(1/0.6) ≈ 10 է։ Այսինքն՝ այդ շահութաբեր 200 գործարքի ընթացքում թրեյդերը պետք է նախապես պլանավորի մոտ տասը անընդմեջ կորուստի շրջանը և չզարմանա տասներկուսի դեպքում։

Ի՞նչ արժե այդ շարքը 1% ռիսկի դեպքում։ Տասը կորուստը ≈ −9.6% կապիտալ է, տասներկուսը ≈ −11.4%։ Անհարմար է, բայց տանելի, և ամբողջ շարքի ընթացքում առավելության ստեղծած +80R-ի համեմատ փոքր է։

Ուշադրություն դարձրու անհամաչափությանը․ կորուստների շարքը գալիս է կուտակված հարվածի պես ու ճգնաժամ է թվում, իսկ +80R-ը դանդաղ և գրեթե աննկատ է կուտակվում։ Մարդու ուշադրությունը կուտակված հարվածին շատ ավելի մեծ կշիռ է տալիս, քան այդ դանդաղ աճին, դրա համար էլ սովորական շարքը արտակարգ իրավիճակ է թվում, երբ ամբողջ գրանցումը հակառակն է ասում։

Այստեղ ոչ թե շարքն ունեցող հաշիվն է մահանում, այլ այն հաշիվը, որի տերը վեցերորդ կորստից հետո խուճապի է մատնվել, կամ թողել է համակարգը, կամ եռապատկել է չափը՝ վերադարձի հետևից ընկնելով։ Փրկվածի կապիտալի կորագիծը անցնում է անկման միջով ու նոր առավելագույններ է գրանցում, իսկ հրաժարվածինը՝ ոչ։

Հոգեբանությունը․ շարքին դիմանալն է առավելությունը

Ահա այն անհարմար ճշմարտությունը, որ պարտադրում է մաթեմատիկան․ եթե երկար կորուստների շարքերը անխուսափելի են, ապա նույն ռազմավարությունն օգտագործող բոլորը հանդիպելու են նույնպիսի շարքերի։ Առավելությունը դրանք շրջանցելու մեջ չէ, այլ այն բանում, որ շարքի մյուս կողմում դու դեռ ճիշտ ես կատարում պլանը՝ ճիշտ չափով։ Շարքին դիմանալն ինքնին առավելությունն է։ Ռազմավարությունը պարզապես խաղի մեջ մտնելու տոմսն է։

Երկու սխալ կա, որոնք նորմալ շարքը վերածում են վերջնականի․

  • Աշխատող համակարգից հրաժարվել հենց շարքի ընթացքում։ Յոթերորդ կորստից հետո դուրս ես գալիս, փոխում մեթոդը, իսկ լքված համակարգը առանց քեզ տալիս է իր հաջորդ չորս շահումները, հետո նոր համակարգում կրկին կորուստների շարք ես ստանում։ Այդպես թրեյդերը կորցնում է այն ռազմավարությունների վրա, որոնք բոլորը շահութաբեր էին։
  • Չափը մեծացնել՝ վերականգնվելու համար։ Կորուստներից հետո ռիսկը կրկնապատկելը համոզվածություն է թվում, բայց դա կործանման ամենաարագ ճանապարհն է։ Սովորական 14% անկումը վերածվում է 50%+-անոց փոսի, իսկ յուրաքանչյուր հաջորդ կորուստ այն ավելի արագ է խորացնում։ Martingale տրամաբանությունն ու կորուստների շարքի հավանականությունը մահացու զույգ են։

Պաշտպանությունը վարքագծային է, ոչ թե վերլուծական․ նախապես որոշիր առավելագույն անկումը, որը պատրաստ ես ընդունել մինչև դադար վերցնելը, ասենք՝ −15%, պահիր մեկ գործարքի ռիսկը հաստատուն՝ անկախ վերջին արդյունքներից, և գրանցիր յուրաքանչյուր գործարք, որպեսզի գնահատես գրանցված պատմությունը, ոչ թե զգացողությունը։ Թրեյդինգի օրագիրը «կարծես խափանվել է» միտքը վերածում է ստուգելի պնդման՝ կանոնների, ընտրանքի չափի և սպասվող արժեքի մասին։

Կորուստների շարքի հավանականությունը հասկանալը փոխում է այն իմաստը, որը դու տալիս ես կորստի շրջանին։ Այն այլևս քո կարողությունների դատավճիռը չէ, այլ նախապես հաշվարկված ու բյուջետավորված ծախս, որի համար հաշվի չափը նախագծել ես դեռ առաջին գործարքից առաջ։ Շուկայում երկար մնում են ոչ թե նրանք, ովքեր խուսափում են շարքից, այլ նրանք, ովքեր սպասում են դրան, անցնում են դրա միջով և շարունակում աշխատեցնել իրենց առավելությունը։

Հաճախ տրվող հարցեր

10 կորուստ անընդմեջ նորմա՞լ է

Ցածր շահումների տոկոսով համակարգի դեպքում՝ այո։ 200 գործարքում 40% շահումների տոկոսի դեպքում սպասվող ամենաերկար կորուստների շարքը մոտ տասը է, այնպես որ տասը կորուստը լիովին նորմալ տատանման սահմաններում է։ 60% համակարգի դեպքում դա անսովոր կլիներ։ Պատասխանը միշտ կախված է քո շահումների տոկոսից և ընտրանքի չափից․ նախ հաշվարկիր սեփական թվերը, հետո գնահատական տուր։

Ինչպե՞ս հաշվարկել կորուստների շարքի հավանականությունը

k անընդմեջ կորուստների հավանականությունը qk է, որտեղ q-ն կորուստների տոկոսն է՝ 1-ից հանած շահումների տոկոսը։ 55% շահումների դեպքում q = 0.45 է, ուստի հինգ անընդմեջ կորուստը = 0.455 ≈ 1.8%։ N գործարքի ընթացքում վատագույն շարքը մոտավորելու համար օգտագործիր log(N)/log(1/q) բանաձևը, որը տալիս է սպասվող ամենաերկար շարքը։

Կորուստների շարքը նշանակո՞ւմ է, որ ռազմավարությունս դադարել է աշխատել

Ոչ, ինքնին չի նշանակում։ Ստուգիր չորս բան՝ հետևե՞լ ես կանոններիդ, ընտրանքը բավակա՞ն մեծ է որևէ եզրակացության համար, ամբողջ գրանցված պատմության մեջ սպասվող արժեքը դեռ դրակա՞ն է, և շուկայական ռեժիմն իսկապե՞ս փոխվել է։ Եթե կանոնները պահպանվել են, իսկ սպասվող արժեքը դրական է, շարքը գրեթե հաստատ նորմալ տատանում է, ոչ թե խափանված առավելություն։

Մեկ գործարքի համար ի՞նչ ռիսկ է դիմանում երկար կորուստների շարքին

Մեկ գործարքի համար 1% ռիսկի դեպքում 15 կորուստների շարքը մոտավորապես 14% է պակասեցնում կապիտալը, ինչը վերականգնելի է։ 5% ռիսկի դեպքում նույն շարքը մոտ 54% անկում է առաջացնում, և զրոյին վերադառնալու համար անհրաժեշտ է 116% աճ։ Ռիսկը 0.5-2% միջակայքում պահելն է վիճակագրորեն անխուսափելի շարքը տանելի դարձնում։

Կորուստների շարքերը ռիսկի և սպասվող արժեքի ավելի մեծ պատկերի մի մասն են։ Հաջորդ նյութերը շարժվում են առողջ արդյունքների գրանցումից դեպի չափի ընտրություն, հետո՝ սեփական տվյալներով առավելությունը ստուգելուն։

  • Ինչ տեսք ունի շահութաբեր թրեյդերի կապիտալի կորագիծը — տես, թե ինչպես են անկումներն ու կորուստների շարքերը երևում իրականում շահութաբեր կորագծի վրա։
  • ICT գործարքի չափի ընտրություն․ ռիսկ, R-բազմապատիկներ և հետևողականություն — չափի ընտրության այն մաթեմատիկան, որը որոշում է՝ շարքը քեզ կվնասի, թե կվերջացնի։
  • ICT ռիսկի կառավարման շրջանակը — կառուցիր ամբողջական ռիսկային համակարգ, որը տատանումների ընթացքում քեզ պահում է խաղի մեջ։
  • Ինչպես ճիշտ հետթեստավորել ICT ռազմավարությունը — սեփական տվյալներով չափիր իրական շահումների տոկոսն ու կորուստների շարքերի բաշխումը։
  • Ինչու են ICT թրեյդերները ձախողվում․ հաշիվներ ոչնչացնող 5 սխալ — վարքագծային սխալները, օրինակ՝ շարքի ընթացքում չափը մեծացնելը, որոնք պայթեցնում են հաշիվները։
  • ICT թրեյդինգի օրագրի ձևանմուշը, որն օգտագործում են պրոֆեսիոնալները — «կարծես խափանվել է» զգացողությունը վերածիր կանոնների ու սպասվող արժեքի ստուգելի գրանցման։
  • FOMO-ն թրեյդինգում․ ինչու ես հետապնդում մուտքերը և ինչպես հաղթահարել դա — FOMO-ով թրեյդինգի հետ կապված մեկ այլ դիտանկյուն։
  • Ի՞նչ է թրեյդինգի սպասվող արժեքը և ինչպե՞ս հաշվարկել այն — հաջորդիվ ուսումնասիրելու անմիջականորեն կապված թեմա։
Hayk Muradian

Hayk Muradian

Founder & Lead Analyst at LiquidityScan · 12+ years ICT/SMC trading · Institutional order flow specialist

Hayk Muradian is the founder of LiquidityScan, a professional trading intelligence platform built for ICT (Inner Circle Trader) and Smart Money Concepts (SMC) traders. With over a decade of hands-on experience reading institutional order flow across crypto, forex, and futures markets, Hayk specializes in identifying liquidity events, order blocks, and CISD setups on closed candles.

He built LiquidityScan after years of frustration with retail charting tools that ignored the mechanics institutions actually use. The platform now scans 400+ markets in real-time, surfacing the same patterns floor traders watch — without the noise.

Hayk writes about the methodology behind ICT and SMC, with a focus on practical, data-driven analysis rather than hype.

Not trading advice. LiquidityScan publishes educational content for informational purposes only. Trading involves substantial risk of loss.