课程目录Q1 · 统计与量化检验：怎样知道一套规则真的有效

绝大多数“有效策略”是运气和过拟合。本模块教你用统计学的标准审查任何规则，包括你自己的。

4.1 期望值、胜率与盈亏比

学习目标

  • · 会算扣除成本后的期望值
  • · 理解胜率与盈亏比的此消彼长
  • · 用 R 倍数统一衡量交易

胜率不重要，期望值才重要

胜率 30% 但盈亏比 3:1 的系统，期望为正；胜率 80% 但盈亏比 1:5 的系统，一次大亏就抹平所有小赚。只看胜率是散户最常见的认知误区。

R 倍数

把每笔交易的盈亏除以计划风险（入场价到止损的距离×数量），得到 R 倍数。亏 1R 表示按计划止损；亏 3R 表示严重违纪或跳空。用 R 统计能跨标的、跨仓位比较交易质量。

期望值必须扣成本

期望值 0.1R 的系统，如果每笔成本 0.15R，就是负期望。系统所有回测统计均为扣成本后结果。

核心公式

期望值：E = 胜率 × 平均盈利 − 败率 × 平均亏损 − 成本单位可用金额或 R
盈亏平衡胜率：胜率* = 1 ÷ (1 + 盈亏比)盈亏比 2 时需胜率 > 33.3%

计算案例 · 两套系统对比

  1. A：胜率 40%，平均赚 2.5R，平均亏 1R → E = 0.4×2.5 − 0.6×1 = 0.40R
  2. B：胜率 75%，平均赚 0.5R，平均亏 2R → E = 0.375 − 0.5 = −0.125R
  3. B 胜率高却亏钱

常见错误

  • ✕ 为提高胜率而过早止盈、死扛亏损
  • ✕ 不扣成本计算期望

课后测验

1. 盈亏比 3:1 时，盈亏平衡胜率约为？

2. 一笔交易亏损了计划风险的 2.5 倍，记为？

4.2 过拟合、样本外与前向检验

学习目标

  • · 识别过拟合的典型特征
  • · 理解样本内/样本外与滚动前向检验（WFO）
  • · 理解多重检验偏差

过拟合是什么

参数调得越细，回测越漂亮，未来越可能失效。因为你拟合的是历史噪声而不是规律。特征：参数稍改结果剧变、交易次数少、只在某一段行情有效。

样本外检验

用一段数据优化参数，用从未见过的另一段数据检验。滚动前向检验（WFO）反复执行“训练—检验—前移”，更接近真实使用场景。系统实验室的 9 道验证门即包含 WFO。

多重检验偏差

测试 100 个随机策略，按 5% 显著性也会有约 5 个“显著有效”。测试的规则越多，越要提高证据门槛，并报告总共测试了多少个。

数据偏差

幸存者偏差（只用现存股票回测）、前视偏差（用了当时无法获得的数据）、复权偏差，都会让回测虚高。系统样本报告会列出这些局限。

常见错误

  • ✕ 只展示最好的参数组合
  • ✕ 样本外表现差就回去再调参数（等于把样本外变成样本内）

课后测验

1. 以下哪项最可能是过拟合的信号？

2. 只用当前仍上市的股票做回测，会产生？

4.3 回撤、连亏与蒙特卡洛模拟

学习目标

  • · 理解最大回撤与回撤持续时间
  • · 会估算连亏概率
  • · 理解蒙特卡洛重排的意义

最大回撤

从净值最高点到随后最低点的跌幅。它决定你心理上能否坚持系统。回测最大回撤 20% 的系统，实盘出现 30% 以上回撤很正常。

连亏必然出现

胜率 40% 的系统，连亏 10 笔的概率约为 0.6^10 ≈ 0.6%，交易 1000 笔时几乎必然遇到。所以单笔风险必须小到能承受长连亏。

蒙特卡洛

把历史交易顺序随机打乱数千次，观察回撤分布。它告诉你：同样的交易，如果顺序不同，最坏可能跌多深。比单一回测曲线更诚实。

核心公式

连亏 n 笔概率（单次）：P = (1 − 胜率)^n长期交易中出现的概率远大于此

课后测验

1. 胜率 50%，单次连续亏 5 笔的概率约为？

2. 蒙特卡洛重排主要用来评估？

下一模块：R1 风险管理与仓位：职业交易员的核心技能 →