交易中并不存在通用的“好”胜率。一个有用的胜率，是能与策略的平均盈利、平均亏损、成本和回撤相匹配的胜率。某个系统即使只赢 35% 的交易，只要赢家远大于输家，也可以实现正期望。另一个系统即使赢 70%，也可能因为少数亏损过大而最终亏损。胜率是否重要，只能结合盈亏比来看。
问“ 交易中什么是好的胜率 的读者需要一个基于自身已执行交易得出的基准。本指南会解释计算方法，比较不同策略形态，并说明市场环境如何改变这一数字。
快速回答：交易中什么是好的胜率？
好的胜率，是在扣除成本后，足以支撑某一明确策略产生正期望的胜率。它并不是越高越好。正确的问题是：盈利百分比和平均盈亏是否能够协同工作。
使用这个关系式：
期望值 = 胜率 × 平均盈利 − 亏损率 × 平均亏损。。
在胜率为 40% 时，平均盈利 2R、平均亏损 1R 会产生 0.20R 的毛期望值。在胜率为 70% 时，平均盈利 0.4R、亏损 1R 会产生负 0.02R。更高并不一定更好。
过往记录仍然只是历史。SEC 指出 过往业绩并不代表未来结果。应当用这个胜率来描述样本，而不是用来承诺下一笔交易。
在判断交易胜率之前需要了解什么
计算很简单：
胜率 = 盈利交易数 ÷ 总平仓交易数 × 100。。
如果 100 笔交易中有 42 笔收于零以上，则胜率为 42%。在计算之前，要先决定如何处理持平交易。你可以把它们计入总交易数，或者在胜负统计中都不计入。这个约定必须始终保持一致。
一个干净的样本需要以下边界：
- 一个明确命名的交易策略。
- 对“赢”和“亏”的统一定义。
- 使用实际成交价，而不是计划价格。
- 记录点差、佣金和滑点。
- 固定的时间范围和交易时段标签。
- 足够多的交易，以包含正常的连胜连亏。
不要把 5 分钟剥头皮交易和周度波段持仓混在一起。它们的止损、目标、成本和市场暴露都不同。把它们合并后的胜率不会回答任何有用的问题。
胜率与盈亏比
胜率衡量的是频率。盈亏比可以指盈利次数除以亏损次数。风险回报比或盈亏比衡量的是规模，例如平均盈利 1.5R 对比平均亏损 1R。
一定要标明指标名称。相似的名称可能隐藏着不同的计算方式。
胜率与盈亏比之间的盈亏平衡关系
一套策略需要足够多的赢家来覆盖其平均亏损。忽略成本时，盈亏平衡胜率为：
盈亏平衡胜率 = 平均亏损 ÷（平均盈利 + 平均亏损）。。
如果平均盈利为 1R、平均亏损为 1R，那么盈亏平衡点是 50%。如果平均盈利为 2R，盈亏平衡点降至约 33.3%。如果平均盈利为 0.5R，盈亏平衡点升至约 66.7%。
| 平均盈利。 | 平均亏损。 | 扣除成本前的盈亏平衡胜率。 |
|---|---|---|
| 0.5R。 | 1R。 | 约66.7%。 |
| 1R。 | 1R。 | 50%。 |
| 1.5R。 | 1R。 | 40%。 |
| 2R。 | 1R。 | 约33.3%。 |
| 3R。 | 1R。 | 25%。 |
成本会提高每个门槛。表面上刚好略高于盈亏平衡的策略，在考虑点差和滑点后，可能会跌破该水平。
这张表也解释了为什么提高胜率反而可能有害。更早止盈可能会增加盈利次数，同时缩小每笔盈利的平均规模。胜率提高了，但期望值下降了。
不同交易风格如何影响胜率
不同交易风格会形成不同的结果分布。它们并不对应有保证的典型胜率。
剥头皮和短目标
剥头皮通常使用较小的目标和频繁入场。这种形态通常需要更高的胜率，因为每笔盈利可能接近平均亏损。点差和滑点会消耗目标中相当大的一部分。
短线交易也会带来沉重的成本压力。美国证券交易委员会（SEC）在其 日内交易出版物中警告，活跃交易者面临显著的费用和风险。
趋势跟随和更大的目标
趋势策略可能会在等待一段长行情时承受许多小亏损。其胜率可以低于一半，但仍然呈现正期望值。心理上的挑战是在连续亏损后继续执行下一次信号。
均值回归和频繁的小盈利
均值回归策略可能因为目标指向接近的均值而经常获胜。其主要风险是某次行情没有回归。75%的胜率可能掩盖一次罕见的6R亏损。不要只看百分比，也要回顾最大亏损和尾部行为。
波段交易和跳空
波段策略交易次数较少，并会持有多个交易时段。样本增长较慢。隔夜跳空可能会使止损在计划水平之外被触发，从而改变平均亏损。
交易时段、假期和提前收市会改变流动性。官方 市场日历 有助于识别应单独标记的交易时段。
三个不同胜率的示例
这些示例使用 100 笔交易和固定的 1R 计划风险。它们是算术示意，不是预测。
交易者 A：较低胜率，较高盈亏比
交易者 A 在 36 笔交易中获胜，平均为 2.2R。64 笔亏损平均为 1R。盈利贡献 79.2R，亏损减少 64R。扣除成本前，毛结果为 15.2R。
期望值为每笔交易 0.152R。胜率看起来不高，但盈亏比支撑了它。
交易者 B：较高胜率，脆弱的亏损
交易者 B 在 68 笔交易中获胜，平均为 0.55R。由于止损有时滑点，32 笔亏损平均为 1.2R。盈利贡献 37.4R，而亏损减少 38.4R。毛结果为负 1R。
68% 的胜率看起来令人安心，但期望值为负。
交易者 C：中等胜率，受成本拖累
交易者 C 在 48 笔交易中获胜，平均为 1.25R，并在 52 笔交易中亏损，平均为 1R。毛结果为 8R。平均成本为每笔交易 0.10R，总计减少 10R。净结果变为负 2R。
这个示例说明了为什么良好的胜率必须在现实成本之后衡量。信号可能有用，但执行计划未必有效。
市场条件会改变同一策略的胜率
单一引用的胜率往往把不相容的条件混在一起。
将 交易日志 按以下维度拆分：
- 趋势和区间震荡结构。
- 高波动和低波动。
- 正常和稀薄流动性。
- 多头和空头方向。
- 早盘和后续时段。
- 计划事件和普通时段。
假设一个 突破 策略在高成交量趋势中胜率为 52%，在平静区间中胜率为 29%。合并后的 41% 胜率掩盖了真正重要的过滤条件。市场条件是策略定义的一部分，而不是事后补充的解释。
要谨慎对待反复切分。如果测试了几十个过滤条件，其中一个可能会因为运气而显得很强。先定义一种条件，保留未接触的数据，然后只重测一次。
在不追逐百分比的情况下改进流程
提高胜率并不总是正确目标。相反，应提升期望值和规则执行度。
有用的做法包括：
- 剔除不符合书面设定的入场。
- 比较计划价格与实际成交价。
- 按时段和市场条件跟踪结果。
- 保持每笔交易的风险以 R 为固定单位。
- 复盘会压缩平均盈利的提前离场。
- 检查每一笔超过 1R 的亏损。
- 在新的样本上测试一个变更。
不要仅仅为了降低平均亏损就把止损往里收。止损位若落在正常波动范围内，可能会增加亏损交易的数量。也不要为了制造更多盈利行就过早止盈、只拿一点点利润。这会破坏盈亏比。
交易策略的平衡计分卡
评估交易策略时，应使用一张小型计分卡，而不是只看一个汇总比率。记录以 R 表示的盈利能力、平均回报、最大回撤、最大亏损以及规则遵守情况。再加上样本量和每笔交易成本。这样，风险/回报比就能与胜率并列显示。
风险管理 也属于同一审视范围。较高的胜率如果伴随持仓规模变化，可能会导致账户结果不稳定。在比较不同月份之前，先固定风险单位。然后通过标记平静、正常和快速时段，把风险与波动区分开来。
使用固定长度的滚动样本。如果胜率下降而平均回报上升，期望值仍可能保持健康。如果胜率上升只是因为出场变小了，那么这个过程可能已经走弱。计分卡能防止把表面的改善误认为更好的策略。
杠杆不能提高胜率。它会放大账户中的每一个结果，并且在权益不足后可能触发强制平仓。SEC 在其 保证金账户指南中对这一机制作了说明。
交易者心理与报告中的胜率
在公式看到之前，行为就已经改变了胜率。
恐惧可能导致交易者在连续三次亏损后错过下一个有效信号。贪婪可能会在连续获胜后放大仓位。报复性交易会增加不属于该策略的入场。提前离场可能把原本计划中的 2R 盈利单变成 0.4R 的结果。
跟踪三种胜率：
- 每一个有效历史信号的胜率。
- 实际执行信号的胜率。
- 完全遵守所有规则的交易胜率。
它们之间的差异会暴露执行和交易者心理问题。即便一笔违反规则的交易最终盈利，也只能得到很差的流程评分。否则，运气会教会错误的行为。
产品、课程、应用与平台体验
一份干净的交易记录才是主要工具。
平台与应用体验
平台应能导出成交、时间戳、方向、规模和成本。为策略形态和市场条件添加标签，有助于复盘。移动端监控很有用，但在移动端匆忙下单可能造成可避免的错误。
课程与入门引导体验
有用的教学会把胜率与盈亏比、期望值、回撤和样本量结合起来。它应该展示连续亏损序列和失败策略。若只声称高胜率，却没有完整的交易分布，这并不构成有意义的证据。
模拟账户上的产品体验
当你准备好在真实规则手册下测试这一流程时，Pivex 会清楚说明其条款。模拟交易有助于练习规则，但它无法重现真实资金带来的情绪压力。
决策框架：这个胜率有用吗？
样本每满足一项，记 1 分。
- 样本是否包含一个明确界定的策略？
- 是否记录了所有有效信号？
- 结果是否基于真实成交？
- 胜率旁是否显示了盈亏比？
- 是否包含交易成本？
- 样本是否足够大，能够包含连亏？
- 结果是否能在不同市场条件下保持成立？
- 结果并不是由某一个离群值决定的吗？
七到八个点支持一个有用的估计。四到六个点说明证据不完整。三个或更少的点说明一个不应指导风险的百分比。
在承担市场风险之前，请审视目标、储备和承受亏损的能力。SEC 的 投资者清单 清晰地界定了这些决策。
当读者问 交易中的良好胜率是什么时，实际的答案是：在可承受的亏损分布内，能够产生正净期望值的胜率。
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。