很多交易者用胜率来衡量策略好坏，这个直觉看似合理，实则暗藏陷阱。一个70%胜率的策略一定比40%胜率的策略好吗？答案取决于一个被频繁忽略的概念——期望值。
期望值：比胜率更本质的衡量标准
期望值的计算并不复杂：用获胜概率乘以平均获利幅度，减去失败概率乘以平均亏损幅度。得到正值，说明策略在数学上具有长期正期望；得到负值，再高的胜率也无济于事。
举个极端的例子：一个策略胜率90%，但每次获利1个单位，亏损时却亏掉15个单位。它的期望值是 0.9×1 − 0.1×15 = −0.6，长期执行必然是负向的。反过来，一个胜率仅35%的策略，如果平均获利是亏损的3倍，期望值是 0.35×3 − 0.65×1 = +0.4，长期反而是正向的。
这说明一个反直觉的事实：胜率本身不携带任何关于策略质量的信息。决定一切的，是胜率和单笔获利亏损幅度之间的数学关系。
样本量：20笔交易说明不了任何问题
即使一个策略的期望值为正，也不代表你在实盘中就能感受到这个优势。原因在于样本量。
抛一枚均匀硬币，连续出现10次正面的概率约千分之一——不算高，但在足够多的尝试中必然发生。同理，一个期望值为零甚至为负的策略，在20笔、30笔交易中完全可能呈现连续获利的表象。这不是策略有效，而是随机波动。
统计学中用"置信区间"来衡量结论的可靠性。简单来说，30笔以下的样本几乎无法得出任何统计上有效的结论。想要初步验证一个策略的正期望，至少需要上百笔交易样本，而且这些交易需要覆盖不同的市场环境。很多交易者在20笔获利后便确信策略有效，加大仓位全力执行，随后在接下来的50笔中经历均值回归——这不是运气变差，而是真实的期望值终于浮出水面。
过度拟合：回测中的统计幻觉
回测是验证策略的重要手段，但也是制造统计幻觉的重灾区。
当你在同一个数据集上反复调整参数，直到找到一组"最优"设置时，你很可能在拟合历史噪音而非捕捉真实规律。参数越多、优化轮次越多，过度拟合的概率就越高。一个在历史数据上表现完美的策略，在实盘中却迅速失效，这往往不是市场变了，而是你从未拥有过真正的优势。
判断是否过度拟合的一个经验法则：如果策略的逻辑可以用几句话清晰解释，且参数在不同时间段都保持有效，那它捕捉的可能是真实结构；如果需要十几个参数精确配合才能工作，稍微改动一个就崩溃，那它拟合的大概率是噪音。
真正的优势长什么样
交易中的真实优势通常很小。一个正期望策略的数学优势可能只有每笔0.1到0.3个单位，需要大量交易才能在统计上显现。这意味着两件事：
第一，你需要足够多的交易次数来让期望值发挥作用——单笔结果几乎完全由随机性决定。
第二，你需要严格的执行纪律来保证每一笔交易都符合系统定义。任何情绪化的偏离——提前离场、移动止损位置、临时调整仓位——都会侵蚀那个本就不大的数学优势。
理解这一点后，你会重新审视"找到好策略"这件事的意义。策略只是提供微弱的统计优势，真正决定长期结果的，是你能否在足够大的样本量上持续、一致地执行。
风险提示： 本文仅为交易方法论探讨，不构成任何投资建议。交易存在风险，入市需谨慎，请根据自身情况理性决策。 |
