预期值的局限性有哪些？
预期值的定义与机制
预期值（Expectancy）是一种绩效概念，用于表达在给定结果分布下每笔交易（或决策）的平均结果。在其最简单的形式中，它结合了结果的大小与每种结果发生的概率：如果你能对结果进行分类（例如“盈利”和“亏损”），并知道盈利时的平均收益和亏损时的平均损失，那么预期值就是这些平均值按其发生概率加权后的结果。
其中两个机制最为关键。
-
使用了哪些概率？ 预期值需要每个结果类别的概率。这些概率必须来自某个来源——通常是历史回测或过往交易记录。
-
使用了哪些收益？ 收益应反映实际的净结果，而不仅仅是价格变动的毛收益。这意味着预期值的计算必须与实际盈亏的实现方式保持一致。
预期值在实践中的运作方式（以及可能误导之处）
当预期值与你评估的情境相匹配时，它是有用的：即相似的决策规则、相似的市场条件，以及相似的成本和执行行为。但即使算术正确，其局限性也来自于所作的假设。
一种常见的失效模式是概率漂移（probability drift）：当波动性、流动性、点差或波动率状态发生变化时，盈利或亏损的概率也会随之改变。如果你从历史数据中估算胜率/败率，但未来表现不同，那么加权平均值就不再代表未来实际发生的情况。
另一种失效模式是收益错配（payoff mismatch）。许多预期值计算使用了简化的假设（例如理想成交且忽略滑点）。在实际交易中，执行质量是变化的。这可能改变平均盈利大小、平均亏损大小，从而影响计算出的预期值。
证据与示例：小假设变化可能逆转预期值
考虑一个简化的双结果模型，包含两个假设：
- 你将某种结果（盈利）的发生概率估计为一个固定数值。
- 你从历史结果中估算该结果的平均收益。
如果盈利概率的估计值出现微小偏差，加权平均值可能会显著变动，尤其是在盈利与亏损幅度不对称的情况下。如果在实际环境中，平均亏损大于你在收益模型中假设的数值（例如，因为实际退出与计划不同），那么预期值计算可能变得过于乐观。
关键点：预期值并非因为数学错误而“错误”；而是因为输入数据不再描述未来，使其变得不再有意义。
需要独立验证的局限性、风险与失效模式
预期值存在一些重要的局限性，需要独立检查：
-
历史关系不能保证未来结果。 即使看起来稳定的历史预期值，也可能在市场条件变化时恶化。
-
成本与执行不确定性容易被忽视。 如果未一致地包含点差、佣金、滑点或延迟，预期值可能描述的是一个理论世界，而非实际结果。
-
数据与分类选择会影响预期值。 你如何定义“盈利”、“亏损”以及测量周期，都会影响概率和平均收益。选择恰好有利的时间窗口可能高估预期值。
-
非平稳性与市场状态变化。 预期值假设生成结果的环境足够稳定，使得估算出的概率和收益保持相关。
-
对单一数字的过度自信。 预期值的点估计掩盖了变异性。两个预期值相同的策略可能具有非常不同的结果分布（例如，频繁小赢 vs. 罕见大赢），从而影响回撤和生存能力。
验证与减少不确定性的下一个问题
为了负责任地使用预期值作为分析工具，请验证以下几点是否必须为真，才能使估计具有意义：
- 概率验证：在新的、未见过的数据下，盈利/亏损频率是否仍然成立？
- 收益验证：收益和亏损是否使用实际净结果（包括成本和现实的执行假设）计算？
- 稳定性检查：预期值在不同市场状态或时间段下是否保持相似？
如果这些检查失败，预期值作为未来绩效的总结就变得不可靠，其局限性并非概念性的，而是经验性的，且依赖于输入数据。