生存是一个有用的起点。
交易中的破产风险，是指一连串亏损把账户推低到某个水平以下，从而使策略无法继续运行的概率。破产并不一定意味着余额归零。交易者可能将其定义为触及 回撤限制, 失去所需保证金，或达到使正常仓位规模设定变得不可能的亏损水平。该概率取决于策略的胜率、盈亏比、每笔交易的风险，以及结果出现的顺序。
询问 交易中的破产风险 的读者，需要的不止一个公式。他们需要看到亏损簇如何与仓位规模相互作用，然后检验若干种可能的序列，而不是相信某个平均值。
简要回答：交易中的破产风险衡量什么
破产风险把一个抽象的警告转化为一个生存问题。它会问：在既定交易策略持续运行的同时，交易账户是否能够承受正常的坏运气。
计算由四个概念定义：
- 破产阈值。 结束过程的余额、回撤或规则违规。
- 胜率。 在所选样本中以盈利结束的交易占比。
- 盈亏分布。 以R为单位衡量的盈利和亏损的规模及波动。
- 风险比例。 每笔交易中暴露的当前权益百分比。
1 R 是指止损被触发时计划承担的亏损金额。盈利1.5R会增加一个半风险单位。亏损1R则减少一个单位。使用这种记法，无需货币金额，也能让不同金融市场具有可比性。
破产是一个路径结果，而不仅仅是平均值为负。两位交易者可以在100笔交易的样本中获得相同的总回报，却经历不同的最大回撤。一个人的亏损分布较为均匀。另一个人在开头附近连亏九笔，且无法按原定规模继续交易。
这种区别解释了为什么正期望值也可能伴随显著风险。SEC 警告称，短线交易可能造成严重亏损，并且在其 日内交易风险指南中可能涉及借入敞口。
如何在避免虚假精确的前提下计算概率
一个简单的估算从胜率和平均盈亏比开始。每笔交易的期望值为：
期望值 = 胜率 × 平均盈利 − 亏损概率 × 平均亏损。
假设某策略45%的交易获胜。其平均盈利为1.4R，平均亏损为1R。则期望值等于0.45 × 1.4R 减去 0.55 × 1R。扣除成本前，结果为正0.08R。
这个数字描述的是平均每笔交易。它并不能计算亏损序列触及破产的概率。完整模型还需要初始余额、仓位规模规则、交易次数，以及明确定义的破产阈值。
固定规模与百分比风险的表现不同
固定规模亏损意味着每次亏损交易都会减少相同数量的单位。百分比风险则意味着，亏损后单位会缩小，盈利后单位会增大。百分比仓位会放缓下滑速度，因为后续亏损会减少更少的权益。它也会放缓恢复速度，因为后续盈利基于更小的基数。
基础电子表格可以同时模拟这两种方式。为每笔交易创建一行，根据估计概率选择盈利或亏损，应用盈亏结果，并更新权益。重复同一实验多次。触及破产阈值的路径占比，就是估计概率。
蒙特卡洛模拟会自动完成这种序列检验。它们反复重排或抽样结果，以展示一系列可能的回撤。结果并不是预测。它反映的是输入的假设，包括当市场环境变化时也可能变化的胜率。
一个有用的模型至少应报告以下输出：
| 输出。 | 它对交易者的说明。 |
|---|---|
| 中位数最终权益。 | 中间的模拟路径。 |
| 最糟的连亏簇。 | 亏损如何集中到来。 |
| 最大回撤区间。 | 正常波动可能加深到什么程度。 |
| 破产频率。 | 所选阈值被触及的频率。 |
| 恢复时长。 | 跌至最深低点后跟随了多少笔交易。 |
过往表现无法证明下一次样本会带来什么。SEC在其中明确说明了这一限制 业绩指引。
提升或降低风险的因素
仓位大小是最快的杠杆。每笔交易风险为0.5%的策略，要达到固定回撤所需的连亏序列远比每笔交易风险为3%的同一策略更长。入场信号可以保持完全一致，而存活情况却会发生巨大变化。
盈亏比也很重要，但只有放在胜率旁边才有意义。若几乎每笔交易都在0.4R时提前离场，那么3R目标并没有帮助。应使用扣除点差、佣金和滑点后的实际成交结果。
相关性会隐藏额外敞口。三笔未平仓头寸看起来似乎已经分散，但它们可能都在响应同一个指数、时段或宏观事件。当天们一起亏损时，账户实际上经历了一笔带着三个标签的大交易。
杠杆会增加对价格波动的敏感性。保证金还可能带来一个单独的破产阈值。SEC解释说，当账户权益低于维持保证金要求时，机构可能会清算持仓，其在其 保证金公告中对此作了说明。
市场环境会改变输入估计。 突破 策略在缓慢震荡区间中的表现可能不同。均值回归方法可以积累小额盈利，但当趋势持续时，也可能遭遇成簇亏损。
操作失误也应纳入模型：
- 在流动性稀薄时，止损的成交价可能差于其请求价格。
- 平台中断可能延迟平仓。
- 交易者可能在亏损后扩大风险。
- 当波动率和点差扩大时，成本也会上升。
- 合约到期或交易时段变化都可能改变执行结果。
当规则被打破时，心理因素会改变分布。恐惧可能让赢家在计划目标前提前离场。贪婪可能在短暂连胜后加大仓位。报复性交易会使最大的亏损紧接着一次普通亏损出现。
一个序列实验：相同优势，不同的存活路径
考虑两位使用同一指数策略的假设交易者。两人都以当前权益的1%作为风险起点。该系统的胜率为40%，平均盈利单的收益为1.8R。
在30笔交易中，每份记录包含12笔盈利和18笔亏损。总期望值为12 × 1.8R减去18R，等于在成本之前的正3.6R。
交易者A按混合顺序收到这些结果。没有超过三笔亏损连在一起。最深回撤是可控的，而计划中的单位规模始终接近起始大小。
交易者B一开始就连续遭遇八笔亏损。百分比风险保护了部分余额，但在出现第一笔盈利前，权益仍下降了约7.7%。该策略的最终笔数仍然相同。前期路径带来了更大的情绪压力，也压缩了基于规则的回撤限额的余地。
现在将每笔交易的风险从 1% 提高到 3%。连续八次亏损会使权益下降超过 21%。策略及其胜率并未改变。仅靠头寸规模，就能把艰难的开局变成对延续性的威胁。
在信任这些假设之前，先检验它们
运行模型的三个版本：
- 将胜率下调五个百分点。
- 把平均盈利单减少 0.2R，以反映提前离场。
- 加入一次罕见的 2R 亏损，以反映跳空或执行风险。
如果一个轻微的变化就让许多路径跌破阈值，那么该计划是脆弱的。降低交易风险往往比调整入场点更能改善结果。
这就是 交易中的破产风险的实际含义。该计算用于检验某个优势能否在不利的连续结果中存活足够长时间，以便仍然可测。
产品、课程、App 和平台体验
工具应在下单前让风险变得可见。
平台和 App 体验
一个有用的平台会显示未平仓风险、头寸规模、保证金占用、相关性敞口和当前回撤。下单界面应以统一的单位显示止损和预计亏损。移动端 App 适合监控，但小屏幕可能会隐藏合约细节。
课程与入门引导体验
优秀的入门引导会用亏损示例解释期望值、回撤、头寸规模和顺序风险。它应该让学习者能够重新推导这些计算。只展示平滑权益曲线的课程，掩盖了决定生存的那一部分。
模拟账户上的产品体验
Pivex 就是为下一步而打造的：一个结构化评估，具有清晰、公开的规则和条款。模拟可以支持重复的顺序测试，但无法再现真实资金所带来的情绪压力。
决策框架：账户是否具备生存能力？
在加大规模之前，回答这些问题：
- 破产是否被定义为某个具体余额、回撤或规则阈值？
- 胜率和平均收益是否基于扣除成本后的已执行交易？
- 该策略是否在不止一种市场环境下经过测试？
- 总未平仓风险是否包括相关性头寸？
- 在当前规模下，最糟糕的连败簇是否已建模？
- 跳空或 2R 亏损是否可能发生，而不会终止该流程？
- 当权益下降时，风险是否会自动缩小？
六到七个清晰的答案描述了一个可衡量的风险流程。四到五个答案表明存在需要测试的假设。三个或更少则意味着该概率无法被安全地解释。
这个决策框架并非个人建议。它是一种识别哪个输入变量控制结果的方法。先从头寸规模开始，因为这个变量在入场前就已知。
在降低破产风险之前需要了解什么
没有任何交易计划能诚实地声称破产概率为零。市场会变化，数据会失效，历史优势也可能消失。目标是降低概率，并保留足够的资本，以便在假设失效时能够察觉。
风险管理 也需要一个复查时间表。应在完成一组预先定义的交易后重新计算输入，而不是在一次情绪化的交易之后。将实盘胜率、平均亏损、点差和滑点与风险破产模型所使用的数值进行比较。若存在重大差异，就应减少规模并收集更多证据。那不是强行让旧概率去适配新的市场行为的理由。请将原始模型与每个更新版本并列保存。该记录能显示优势是稳定、缓慢减弱，还是仅仅处于正常波动中。它还可以防止事后偏差在一串亏损之后改写早先的假设。
实用控制措施包括：
- 每笔交易使用当前权益中一个较小的固定百分比。
- 对相关仓位的总风险进行上限控制。
- 当书面亏损或交易次数达到上限时结束当日交易。
- 定期重新计算扣除成本后的期望值。
- 在一段强势连胜后暂停加仓。
- 在接受该计划之前，先测试更低的胜率和收益比。
- 将应急储蓄放在交易资金之外。
美国证券交易委员会建议读者在投入资金之前，先审查目标、风险承受能力、债务和应急储备，其 决策清单。
读者的下一步很简单。将最近50笔已执行交易转换为R，保持原始顺序，并找出最深的亏损聚集段。然后以当前风险的一半重新运行该序列。这样的比较可以显示，破产概率中有多少来自仓位规模，而不是来自策略。
在参与之前，请查看 Pivex 当前的项目规则，并决定模拟专有交易评估是否符合您的经验和风险限制。参与并不保证奖励、收入或任何特定的交易结果。